Python 大熊猫群居不好

有没有办法强制pandas.groupby返回数据帧？下面是一个例子来说明我的问题：

玩具数据框：

df = pd.DataFrame(data=dict(a=[1, 1, 1, 2, 2, 2, 3, 3, 3], 
                            b=[1, 1, 1, 2, 2, 2, 4, 4, 4])

此函数按预期返回数据帧：

def fcn_good(d):
    return pd.Series(data=dict(mean=d.b.mean(), std=d.b.std()))
print(df.groupby('a').apply(fcn_good))

有输出

   mean  std
a
1   1.0  0.0
2   2.0  0.0
3   4.0  0.0

现在问题来了。在我的实际代码中，一些groupby键在计算过程中会失败。我想要的输出是：

   mean  std
a
1   1.0  0.0
2   NaN  NaN
3   4.0  0.0

但是，此代码

def fcn_bad(d):
    if int(d.a.unique()[0]) == 2: # Simulate failure
        return pd.Series()
    return pd.Series(data=dict(mean=d.b.mean(), std=d.b.std()))
print(df.groupby('a').apply(fcn_bad))

而是返回一个序列：

a
1  mean    1.0
   std     0.0
3  mean    4.0
   std     0.0
dtype: float64

有人知道如何让它工作吗

您可以使用列

a

的值和，因为是按列

a

：

def fcn_bad(d):
    if int(d.a.unique()[0]) == 2: # Simulate failure
        return pd.Series()
    return pd.Series(data=dict(mean=d.b.mean(), std=d.b.std()))
print(df.groupby('a').apply(fcn_bad).unstack().reindex(df.a.unique()))
   mean  std
a           
1   1.0  0.0
2   NaN  NaN
3   4.0  0.0

---

如果将列名称为final

df

的

index

添加到

Series

中，如

pd.Series（index=['mean'，'std']）

，则返回

DataFrame

：

def fcn_bad(d):
    if int(d.a.unique()[0]) == 2: # Simulate failure
        return pd.Series(index=['mean','std'])
    return pd.Series(data=dict(mean=d.b.mean(), std=d.b.std()))
print(df.groupby('a').apply(fcn_bad))
   mean  std
a           
1   1.0  0.0
2   NaN  NaN
3   4.0  0.0