PythonPandas：如何使用返回pd.Series的函数进行分组聚合

我有一个多索引数据帧，我想在它上面聚合一些索引。如果聚合器函数返回一个浮点值，那么一切都不会有问题。但我找不到如何使用返回更复杂的函数（例如pd系列）。使用返回pd.Series的函数会产生以下错误：

异常：必须生成聚合值

错误

以下是一个数据帧示例：

df = pd.DataFrame({
    'A': {
        (1, 0): 85, (1, 1): 75,
        (2, 0): 12, (2, 1): 15,
        (3, 0): 2,  (3, 1): 26,
    },
    'B': {
        (1, 0): 86, (1, 1): 76,
        (2, 0): 13, (2, 1): 17,
        (3, 0): 19, (3, 1): 18,
    }
}).stack()
df.index.rename(['idx', 'bar', 'label'], inplace=True)

df

的内容是：

idx  bar  label
1    0    A        85
          B        86
     1    A        75
          B        76
2    0    A        12
          B        13
     1    A        15
          B        17
3    0    A         2
          B        19
     1    A        26
          B        18
dtype: int64

让我们定义一个返回pd.Series的简单聚合器：

def my_func(subframe):
  subframe = subframe.unstack('label')
  mean_A_plus_B = np.mean(subframe['B'] + subframe['A'])
  mean_A_minus_B = np.mean(subframe['B'] - subframe['A'])
  return pd.Series([mean_A_plus_B, mean_A_minus_B], index=['A+B', 'A-B'])
  # return mean_A_plus_B  ## <- this one works.

我希望得到的是：

       A+B    A-B
idx
1    161.0    1.0
2     28.5    1.5
3     32.5    4.5
dtype: float64

正确的方法是什么？

只需将

.agg（）

替换为

.apply（）

：

输出：

       A+B  A-B
idx            
1    161.0  1.0
2     28.5  1.5
3     32.5  4.5

---

现在我有一个后续问题。

.agg（）

方法可以根据文档接收列名->函数（或函数列表）的dict。看起来，

apply

没有这样的功能。我的用例是，我有一堆特定于列的处理，我想在数据帧上运行。我想把

{'col1'：func_a，'col2'：func_b，…}

类型参数传递给它。你知道有没有解决办法吗？你也可以用

.apply（）

来解决这个问题，方法是处理

my_func

中的不同列，然后返回一个数据帧，而不是一个序列

df.groupby('idx').apply(my_func).unstack(level=-1)

       A+B  A-B
idx            
1    161.0  1.0
2     28.5  1.5
3     32.5  4.5