使用pandas进行多列groupby遇错，需按日期与类别计算同类同日基金平均收益

报错根因 #

你编写的代码存在长度/索引不匹配的问题：
df.groupby(["category","date"])["fund_ret"].mean() 返回的是每个（日期、类别）分组对应1个平均值的聚合Series，行数远少于原表，且自带双层分组索引，和原DataFrame逐行对应的单层索引完全无法对齐，直接赋值给新列时会触发形状不匹配报错，或是生成大量无法对齐的空值。

正确实现代码 #

使用transform方法完成聚合结果的行级匹配：

df['benchmark_mean'] = df.groupby(["category", "date"])["fund_ret"].transform("mean")

transform的作用是：计算分组内的聚合值后，自动将结果按照原表的行顺序、行索引回填，让每一条基金记录都能拿到自己所属（日期+类别）分组的平均收益率，不会改变原表的行数和结构。

结果验证 #

对照你给出的示例数据，计算得到的基准收益率完全符合预期：

• 2019-02、x类：仅包含AAA基金，平均收益率为0.05
• 2019-02、y类：仅包含BBB基金，平均收益率为-0.01
• 2019-03、x类：包含AAA（0.03）、CCC（0.02）两只基金，平均收益率为(0.03+0.02)/2=0.025，和你举的目标示例值一致
• 2019-03、y类：仅包含BBB基金，平均收益率为0.07

补充场景说明：如果你不需要把平均值匹配回每一行基金记录，只是想生成独立的分组聚合结果表，可以用原始聚合写法搭配reset_index()实现：

# 生成独立的分组聚合表，每行对应一个（日期+类别）组合的平均收益率
agg_result = df.groupby(["category", "date"])["fund_ret"].mean().reset_index(name="benchmark_mean")

内容的提问来源于stack exchange，提问作者Clankk