DataFrame分组聚合时如何处理索引缺失并实现多列差异化聚合？

首先得明确你遇到的问题根源：当你在聚合lambda里用x.loc[i]时，i里包含了很多当前分组不存在的索引（比如分组a的索引是0、1、2，但i里有3、5、10这些不在其中的标签），这会让x.loc[i]返回大量NaN，求和后自然全是NaN，同时触发了Pandas的FutureWarning——未来这种情况会直接抛出KeyError，不再返回NaN。

单个y列的正确实现 #

我们可以用Pandas警告里推荐的reindex()方法，或者先筛选出i中与当前分组索引重叠的部分，两种方法都能解决问题，这里先看符合官方推荐的reindex写法：

import pandas as pd

df = pd.DataFrame({'x':[1,2,3,4,5,6],'y':[7,8,9,10,11,12],'z':['a','a','a','b','b','b']})
i = pd.Index([0,3,5,10,20])

# 消除警告+得到正确结果的聚合
result_y = df.groupby('z').agg({'y': lambda x: x.reindex(i, fill_value=0).sum()})
print(result_y)

运行后输出完全符合你的期望：

y
z
a       7
b      22

多列差异化聚合的实现 #

针对x列求和所有元素、y列仅求和i中存在于df的索引对应值的需求，只需要给不同列指定对应的聚合逻辑即可：

result_multi = df.groupby('z').agg(
    {'x': sum, 
     'y': lambda x: x.reindex(i, fill_value=0).sum()}
)
print(result_multi)

输出结果：

x   y
z
a       6   7
b      15  22

另一种可行的写法（基于索引交集） #

如果你觉得reindex的逻辑不够直观，也可以先取当前分组索引和i的交集，再求和，同样能消除警告并得到正确结果：

# 单个y列的另一种写法
result_y = df.groupby('z').agg({'y': lambda x: x.loc[x.index.intersection(i)].sum()})

# 多列聚合的对应写法
result_multi = df.groupby('z').agg(
    {'x': sum, 
     'y': lambda x: x.loc[x.index.intersection(i)].sum()}
)

为什么这两种方法有效？ #

• reindex(i, fill_value=0)：将当前分组的Series按照i的索引重新对齐，不存在的索引填充0，求和时不会因为NaN导致结果异常，完全符合Pandas的未来API规范，直接消除警告。
• x.index.intersection(i)：只保留i中存在于当前分组的索引标签，避免了loc访问不存在索引的情况，同样不会触发警告，求和结果也正确。

内容的提问来源于stack exchange，提问作者HappyPy