Pandas如何避免使用for循环批量处理分组任务并存储结果到字典

方案1：字典推导式（最推荐，效率最高） #

你原来的显式for循环遍历3个分组键的开销本身极低，用字典推导式可以在等价效率下写出更简洁的代码，完全满足生成目标字典的需求：

import pandas as pd

df = pd.DataFrame({'y':[1,2,3,4,5,6,7,8,9,10],'key1':[1,1,2,2,3,3,4,4,5,5],'key2':[1,2,1,2,1,2,1,2,1,2],'key3':[1,1,1,1,1,2,2,2,2,2]})

def processing(df, grpId):
    df_res = df.groupby([grpId]).agg({'y':'sum'}) 
    return df_res

# 直接用字典推导式生成结果字典，无需显式for循环
grp_list = ['key1', 'key2', 'key3']
df_dict = {grp: processing(df, grp) for grp in grp_list}

方案2：基于apply实现（符合你要求的apply写法） #

如果你一定要用apply逻辑实现，可以把分组键列表转为Series后调用apply，再转成字典：

import pandas as pd

df = pd.DataFrame({'y':[1,2,3,4,5,6,7,8,9,10],'key1':[1,1,2,2,3,3,4,4,5,5],'key2':[1,2,1,2,1,2,1,2,1,2],'key3':[1,1,1,1,1,2,2,2,2,2]})

def processing(df, grpId):
    df_res = df.groupby([grpId]).agg({'y':'sum'}) 
    return df_res

grp_list = ['key1', 'key2', 'key3']
# 把分组键转成Series，apply执行处理，最后转字典
df_dict = pd.Series(grp_list).apply(lambda x: processing(df, x)).set_axis(grp_list).to_dict()

补充优化建议：如果你的processing函数内有多个分组键通用的前置计算逻辑，可以把这部分逻辑抽出来提前执行，避免每个分组键都重复计算，能进一步提升整体运行效率。

内容的提问来源于stack exchange，提问作者user1769197