Pandas按列分组获取含空值字符串列的最大、次大长度及对应字符串值

报错原因说明 #

你之前的写法报错核心原因：str.len()、map(len)都是Pandas Series对象的专属方法，groupby操作后返回的是SeriesGroupBy分组对象，不支持直接调用Series的字符串处理接口，必须通过apply/agg等分组聚合方法，在每组的内部Series上调用对应方法。

基础需求：统计每组字符串最大长度 #

实现代码 #

首先构造测试用DataFrame：

import pandas as pd
import numpy as np

mydf = pd.DataFrame({
    'source': ['a','a','b','c','a','c','b','b'],
    'text_column': ['abcdefghi','abcde','qwertyiop','plmnkoijb',np.nan,'abcde','qwertyiop','qazxswedcdcvfr']
})

然后通过先计算长度再分组聚合的方式实现需求：

# 计算每条文本的长度，NaN空值会自动返回NaN，聚合时会自动忽略
mydf['str_len'] = mydf['text_column'].str.len()
# 按source分组取长度最大值
max_len_result = mydf.groupby('source')['str_len'].max().reset_index(name='something')

得到的max_len_result就是你期望的输出结果。

进阶需求：获取每组长度排名前2的长度及对应字符串 #

可以通过分组排序+排名+透视表的方式实现，代码如下：

# 先过滤掉空文本行，避免干扰统计
df_clean = mydf.dropna(subset=['text_column']).copy()
# 计算文本长度
df_clean['str_len'] = df_clean['text_column'].str.len()

# 对每个分组按长度降序排序，取前2条记录
top2_df = df_clean.groupby('source', group_keys=False)\
                  .apply(lambda x: x.sort_values('str_len', ascending=False).head(2))\
                  .reset_index(drop=True)

# 给每组内的记录生成排名，1为最长、2为第二长
top2_df['rank'] = top2_df.groupby('source').cumcount() + 1

# 透视为宽表，每一行对应一个source的所有排名信息
final_result = top2_df.pivot(index='source', columns='rank', values=['str_len', 'text_column'])
# 重命名列名更易读
final_result.columns = [f'{attr}_rank_{rank}' for attr, rank in final_result.columns]
# 重置索引把source变回普通列
final_result = final_result.reset_index()

最终final_result中会包含以下字段：

• source：分组字段
• str_len_rank_1：组内最大字符串长度
• text_column_rank_1：组内最长的字符串值（如果有多个长度相同的最长字符串，取排序后第一个）
• str_len_rank_2：组内第二大字符串长度
• text_column_rank_2：组内第二长的字符串值

内容的提问来源于stack exchange，提问作者Naveen Reddy Marthala