Python Pandas 多分组场景跨列应用多自定义函数的实现方法

核心逻辑是通过分组对象的列子集筛选 + apply 传入指定列对，完全适配现有自定义函数的入参定义，不需要修改f1/f2/f3的内部代码，可灵活切换任意列组合。

针对g1（按A列分组）的计算 #

• 将f1应用于B、C两列：

g1[['B', 'C']].apply(lambda group: f1(group['B'], group['C']))

输出结果参考：

A
a    13
b    32
dtype: int64

• 将f2应用于C、D两列：

g1[['C', 'D']].apply(lambda group: f2(group['C'], group['D']))

输出结果参考：

A
a    -9
b   -16
dtype: int64

针对g2（按P列分组）的计算 #

• 将f2应用于B、C两列：

g2[['B', 'C']].apply(lambda group: f2(group['B'], group['C']))

输出结果参考：

P
p   -9
q   -6
dtype: int64

• 将f3应用于C、D两列：

g2[['C', 'D']].apply(lambda group: f3(group['C'], group['D']))

输出结果参考（f3为逐元素运算，返回和原组形状一致的结果）：

C
0   36
1   60
2   55
3   84
4  104

灵活适配任意列组合的原理 #

同一函数复用到不同列对时，只需要调整两个位置：

• 筛选分组子集的列：比如g2要给f2传C、D列，就把g2[['B','C']]改成g2[['C','D']]
• 调整lambda里传给函数的入参顺序：对应匹配函数要求的参数位置传入group中对应的列序列即可
  全程不需要修改原有自定义函数的代码逻辑，完全匹配多列入参的要求。

常见避坑点 #

• 不要直接使用agg方法传入多列自定义函数：agg默认接收单列序列作为入参，无法直接传递跨列的两个值给自定义函数，会触发参数数量不匹配的报错。
• 区分函数的运算粒度：如果自定义函数是聚合类逻辑（比如f1/f2的先求和再运算），apply会返回每个分组的单值结果，自动携带分组索引；如果是逐元素运算（比如f3的列元素相乘），apply会返回和原分组形状一致的明细结果。

内容的提问来源于stack exchange，提问作者Iterator516