Pandas中使用lambda函数后分组索引列消失问题求助

看起来你遇到的问题是在使用groupby结合apply进行数值转换后，原本的分组键列（id、name、time、object、type）消失了，只剩一个index列和计算后的数值列。我来帮你分析原因并给出解决方案：

问题根源 #

当你使用groupby(..., as_index=True).apply(lambda x: x * 100 / 3600)时，apply会将每个分组的计算结果拼接成一个新的DataFrame，此时原来的分组键会成为这个新DataFrame的多级索引的外层层级，而原DataFrame的行索引是内层层级。当你调用reset_index()时，默认只会把最内层的原行索引转成index列，而外层的分组键索引并没有被转换为普通列，导致它们看起来"消失"了。

另外，其实你这里的需求是对分组内的数值列进行逐元素的算术运算，apply并不是最适合的工具——transform才是专门用来处理这种需要保留原DataFrame结构的场景。

解决方案1：使用transform（推荐） #

transform会返回一个和原DataFrame长度一致的结果，完美保留所有原有列（包括分组键），直接赋值到目标列即可：

# 对指定列进行分组转换，直接覆盖原列
df[['col1', 'col2', 'col3', 'col4', 'col5']] = df.groupby(
    ['id', 'name', 'time', 'object', 'type'], 
    sort=False
)[['col1', 'col2', 'col3', 'col4', 'col5']].transform(lambda x: x * 100 / 3600)

执行后你会发现所有分组键列都完好保留，同时col1-col5已经完成了占比计算。

解决方案2：修复apply后的reset_index操作 #

如果你一定要使用apply，可以通过指定reset_index的level参数，把所有分组键对应的索引层级转换为普通列：

# 执行分组apply计算
df_result = df.groupby(
    ['id', 'name', 'time', 'object', 'type'], 
    as_index=True, 
    sort=False
)[['col1', 'col2', 'col3', 'col4', 'col5']].apply(lambda x: x * 100 / 3600)

# 将分组键索引转换为列，保留原行索引（可选后续删除）
df_result = df_result.reset_index(
    level=['id', 'name', 'time', 'object', 'type'], 
    drop=False
)

# 最后删除原行索引列（如果不需要的话）
df_result = df_result.reset_index(drop=True)

额外提示 #

• 注意在选取列时尽量使用双括号[[...]]，确保返回的是DataFrame而非Series，避免后续操作出现意外；
• sort=False可以提升分组效率，如果你不需要分组结果排序的话可以保留。

内容的提问来源于stack exchange，提问作者jovicbg