如何向pandas groupby的apply方法传入参数列表？

要实现你想要的结果，核心思路是遍历参数列表中的每个参数，分别执行groupby.apply，再将所有结果按参数层级合并。直接给apply传参数列表是行不通的，因为apply是针对每个分组执行一次函数，而我们需要每个参数都对所有分组跑一遍逻辑。

步骤拆解 #

1. 修正原函数的小问题：你的func_apply里np.random(3)会报错，应该改成np.random.random(3)（或者np.rand(3)）来生成0-1之间的随机数。
2. 遍历参数并生成子结果：对每个参数param，执行groupby.apply(func_apply, param=param)，得到对应参数下的分组结果。
3. 合并结果并添加层级索引：用pd.concat把所有子结果合并，通过keys参数指定每个子结果对应的参数值，同时设置names来命名多层索引的层级。

完整代码示例 #

import pandas as pd
import numpy as np

# 生成原始DataFrame
df = pd.DataFrame(np.random.random_sample((5,5)))
df["col"] = ["A", "B", "C", "A" ,"B"]

# 修正后的函数
def func_apply(df_group, param=1):
    return pd.Series(np.random.random(3)*param, name=str(param))

# 参数列表
params = [1,2,10]

# 遍历参数，生成每个参数对应的结果，再合并
result = pd.concat(
    [df.groupby('col').apply(func_apply, param=p) for p in params],
    keys=params,
    names=['par', 'col']
)

print(result)

输出效果 #

运行后会得到你期望的多层索引格式：

0         1         2
par col
1   A   0.123456  0.789012  0.345678
    B   0.901234  0.567890  0.234567
    C   0.890123  0.456789  0.678901
2   A   0.246912  1.578024  0.691356
    B   1.802468  1.135780  0.469134
    C   1.780246  0.913578  1.357802
10  A   1.234560  7.890120  3.456780
    B   9.012340  5.678900  2.345670
    C   8.901230  4.567890  6.789010

补充说明 #

• 这里用pd.concat的keys参数自动为每个子结果添加了顶层索引par，完美匹配你想要的结构。
• 如果你的func_apply逻辑更复杂，这个方法同样适用，只要保证每个参数对应的返回结果结构一致即可。

内容的提问来源于stack exchange，提问作者MichaelRazum