pandas groupby选取指定多列后执行apply操作失败如何解决？

核心错误原因 #

你定义的函数f仅支持分组后传入单列（Series类型）的场景：

• 执行df.groupby('A')['C']时，传入f的每个分组是仅包含C列的Series，直接作为值传入字典构建DataFrame符合结构要求，因此可以正常运行
• 调整为df.groupby('A')[['C', 'D']]后，传入f的每个分组是同时包含C、D两列的DataFrame，此时直接把多列的DataFrame赋值给original单个字段，会出现维度不匹配的问题，因此执行报错。

修复方案 #

方案1：修改函数适配多列输入 #

如果需要对C、D两列分别生成原始值、去均值结果，可以修改函数如下：

def f(group):
    res = pd.DataFrame()
    # 遍历分组内的每一列分别计算
    for col in group.columns:
        res[f"{col}_original"] = group[col]
        res[f"{col}_demeaned"] = group[col] - group[col].mean()
    return res

grouped.apply(f)

方案2：使用更简洁的多级列名实现 #

如果希望用更简洁的写法，同时保留列名的层级关系，可以用以下代码：

grouped.apply(
    lambda x: pd.concat(
        [x, x - x.mean()], 
        axis=1, 
        keys=["original", "demeaned"]
    )
)

返回结果的列会是二级索引，第一层为original/demeaned，第二层为原列名C/D，结构更清晰易读。

内容的提问来源于stack exchange，提问作者PTQuoc