如何为Pandas DataFrame各列自定义GroupBy函数？如何捕捉跨季节值变化？

咱先从你问的第一个问题说起：怎么用groupby给每列应用自定义函数，得到想要的结果。我给你分两种常见场景，配示例代码，一看就懂。

一、Groupby后为每列应用自定义函数 #

首先咱先造个贴近业务的示例数据：

import pandas as pd
import numpy as np

# 构造包含ID、年份、季节、销量、利润的示例DataFrame
data = {
    'ID': ['A', 'A', 'A', 'B', 'B', 'C', 'C', 'C'],
    'Year': [2021, 2021, 2022, 2021, 2022, 2021, 2022, 2022],
    'Season': ['春', '秋', '春', '夏', '夏', '春', '秋', '冬'],
    'Sales': [100, 150, 120, 80, 90, 200, 220, 180],
    'Profit': [20, 30, 25, 15, 18, 40, 45, 35]
}
df = pd.DataFrame(data)

1. 所有数值列共用同一个自定义函数 #

比如你想给每个ID的销量、利润都计算均值、最大值，还有自定义的「峰值与均值的差值」，可以这么写：

# 定义自定义统计函数，返回Series格式方便后续展开
def custom_stats(x):
    return pd.Series({
        'mean': x.mean(),
        'max': x.max(),
        'peak_diff': x.max() - x.mean()
    })

# 按ID分组，对Sales和Profit列应用自定义函数
result = df.groupby('ID')[['Sales', 'Profit']].apply(custom_stats)
# 把多层索引展开，让结果更直观
result = result.unstack(level=1)

执行后你会得到一个清晰的结果表，每个ID对应每列的三个统计值。

2. 不同列用不同的自定义函数 #

如果想给销量算总和和变异系数，给利润算中位数和调整后的最小值，用agg方法的字典传参就很灵活：

# 定义两个自定义函数
def coefficient_of_variation(x):
    # 变异系数：标准差/均值*100，反映数据离散程度
    return x.std() / x.mean() * 100

def adjusted_min_profit(x):
    # 自定义利润最小值：实际最小值减5
    return x.min() - 5

# 按ID分组，指定每列对应的函数，还能自定义结果列名
result_custom = df.groupby('ID').agg(
    销量总和=('Sales', 'sum'),
    销量变异系数=('Sales', coefficient_of_variation),
    利润中位数=('Profit', 'median'),
    调整后利润最小值=('Profit', adjusted_min_profit)
)

这种方式可以精准控制每列的计算逻辑，还能直接给结果列起业务化名称，非常实用。

二、捕捉同一ID在多年多季节的数值变化 #

针对部分ID有多年多季节数据的情况，分两种常见场景处理：

1. 同一年份内不同季节的变化（环比） #

先给季节排序（避免乱序导致计算错误），然后按ID+年份分组，用diff()或pct_change()计算变化：

# 给季节指定顺序，方便排序
season_rank = {'春':1, '夏':2, '秋':3, '冬':4}
df['Season_rank'] = df['Season'].map(season_rank)
# 按ID、年份、季节排序
df_sorted = df.sort_values(['ID', 'Year', 'Season_rank'])

# 计算同一年内，当前季节与上一季节的销量差值和变化率
df_sorted['销量季节差值'] = df_sorted.groupby(['ID', 'Year'])['Sales'].diff()
df_sorted['销量季节变化率(%)'] = df_sorted.groupby(['ID', 'Year'])['Sales'].pct_change() * 100

这样你就能看到每个ID每年里，春到秋、秋到冬这类季节间的销量波动。

2. 同一季节不同年份的变化（同比） #

按ID+季节分组，计算跨年度的变化：

# 按ID、季节、年份排序
df_yoy_sorted = df.sort_values(['ID', 'Season', 'Year'])

# 计算同一季节，今年与去年的销量差值和同比变化率
df_yoy_sorted['销量同比差值'] = df_yoy_sorted.groupby(['ID', 'Season'])['Sales'].diff()
df_yoy_sorted['销量同比变化率(%)'] = df_yoy_sorted.groupby(['ID', 'Season'])['Sales'].pct_change() * 100

比如ID A的2022年春 vs 2021年春的销量变化，就能直接看到。

3. 用透视表直观对比所有季节数据 #

如果想一次性查看所有年份-季节的数值对比，用pivot_table转成宽表更清晰：

# 生成透视表：行是ID，列是年份-季节，值是销量
pivot_df = df.pivot_table(index='ID', columns=['Year', 'Season'], values='Sales', aggfunc='first')
# 直接计算指定季节的跨年度差值，比如2022春 vs 2021春
pivot_df['2022春_vs_2021春'] = pivot_df[(2022, '春')] - pivot_df[(2021, '春')]

这种方式适合做全局对比，一眼就能看到每个ID的季节数据变化趋势。

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