如何在Pandas DataFrame中按日期列遍历并调用自定义函数？

我最近在处理Pandas DataFrame时遇到了个小问题：我想针对日期列里的每个日期，把该日期对应的x、y、z值传入自定义函数计算，但不确定怎么正确调用函数。我写了一段代码，但好像不对，想请大家帮忙看看。

现有代码 #

import pandas as pd
def calc_funct(x, y, z):
    func = x*y*z
    return func
if __name__ == '__main__':
    df = pd.read_csv('C:/Data.csv')
    for column in df:
        results = calc_funct(df['x'], df['y'], df['z'])
        print(result)

输入数据示例 #

期望实现 #

针对每个日期（如2017-11-11），对该日期下的x、y、z值进行计算（如加减等操作）并存储到列表中，再依次处理后续日期。

问题分析 #

先说说你现有代码里的几个小问题：

1. 循环for column in df是在遍历DataFrame的列名，而不是按日期分组，完全不符合你的需求；
2. 调用calc_funct(df['x'], df['y'], df['z'])时，传入的是整个x、y、z列，Pandas会做元素级运算，返回整列的乘积结果，而不是按日期分组的每行计算；
3. 最后打印的result是未定义的变量，应该是results。

解决方案 #

这里给你两种实用的实现方式，根据你的需求选择：

方式一：手动遍历日期分组，单独存储每个日期的结果

这种方式更直观，适合需要对每个日期的结果做单独处理（比如单独保存、分析）的场景：

import pandas as pd

def calc_funct(x, y, z):
    # 这里可以替换成你需要的任意计算逻辑，比如加减组合等
    return x * y * z

if __name__ == '__main__':
    df = pd.read_csv('C:/Data.csv')
    # 按date列分组，把相同日期的行归为一组
    date_groups = df.groupby('date')
    # 用字典存储每个日期的计算结果，键是日期，值是该日期下所有行的计算结果列表
    date_results = {}
    
    # 遍历每个日期分组
    for date, group_data in date_groups:
        # 取出当前日期分组的x、y、z值，用zip配对每行的三个值
        row_values = zip(group_data['x'], group_data['y'], group_data['z'])
        # 对每行应用自定义函数，生成结果列表
        current_results = [calc_funct(x, y, z) for x, y, z in row_values]
        # 存入字典
        date_results[date] = current_results
        # 打印当前日期的结果
        print(f"日期 {date} 的计算结果：{current_results}")
    
    # 如果需要把计算结果合并回原DataFrame，可以用下面这行
    df['calculated_value'] = df.apply(lambda row: calc_funct(row['x'], row['y'], row['z']), axis=1)
    print("\n添加计算结果后的完整DataFrame：")
    print(df)

方式二：用groupby+apply直接处理分组，合并结果到原DataFrame

这种方式更简洁，适合直接把计算结果附加到原DataFrame的场景：

import pandas as pd

def calc_funct(x, y, z):
    return x * y * z

# 定义处理单个日期分组的函数
def process_single_date(group):
    # 对分组内的每一行应用计算函数
    group['calculated_value'] = group.apply(lambda row: calc_funct(row['x'], row['y'], row['z']), axis=1)
    return group

if __name__ == '__main__':
    df = pd.read_csv('C:/Data.csv')
    # 按日期分组并应用处理函数，得到带结果的DataFrame
    result_df = df.groupby('date').apply(process_single_date)
    
    # 查看结果
    print(result_df)
    
    # 如果需要单独查看某个日期的结果
    target_date = '2017-11-11'
    print(f"\n{target_date} 的详细计算结果：")
    print(result_df[result_df['date'] == target_date][['x', 'y', 'z', 'calculated_value']])

关键说明 #

• groupby('date')是核心：它会自动把DataFrame中相同日期的行聚合成一个子DataFrame，让你可以单独处理每个日期的数据；
• 自定义函数的灵活性：你可以随时修改calc_funct里的逻辑，比如改成x + y - z或者其他复杂计算，两种实现方式都能适配；
• 如果你的计算是元素级的简单运算，甚至可以不用自定义函数，直接用Pandas的向量运算，比如df['calculated_value'] = df['x'] * df['y'] * df['z']，效率更高。

内容的提问来源于stack exchange，提问作者MCM