groupby.apply中lambda返回结果形状异常，因每组输入类型（series/dataframe）与返回值类型（标量/series/dataframe）共同决定输出结构；需确保各组返回一致，优先用agg处理简单聚合，apply适用于跨列计算等复杂逻辑。
groupby.apply 里用 lambda 写聚合，为什么结果形状总不对？
因为 apply 默认把每组当完整 DataFrame 或 Series 传入，lambda 返回标量、字典、Series 或 DataFrame 都会影响最终结构。返回单个值（如 sum()）通常得到 Series；返回 Series（如 pd.Series({'a': x.mean(), 'b': x.std()})）会升维成 DataFrame；返回多索引 Series 更容易出错。
实操建议：
- 确认输入：lambda 的参数是每组的
Series（单列 groupby）或DataFrame（多列/多列聚合），不是原始数据的切片副本 - 返回必须一致：所有组的 lambda 返回值类型和长度要相同，否则 pandas 会尝试广播或报
ValueError: cannot concatenate a non-NDFrame object - 优先用
agg做简单聚合，apply留给需要跨列计算、带状态或复杂逻辑的场景（比如“每组中最大值对应的另一列值”）
想取每组中 price 最高时对应的 category，lambda 怎么写？
这是典型跨列引用问题，agg 不好直接表达，apply 更自然。但不能只对 price 列操作——得让 lambda 接收整组 DataFrame，再用 .idxmax() 找位置，最后取对应行的 category。
示例（假设 df 有 group_id、price、category）：
df.groupby('group_id').apply(lambda g: g.loc[g['price'].idxmax(), 'category'])
常见错误：
- 写成
df.groupby('group_id')['price'].apply(lambda x: df.loc[x.idxmax(), 'category'])—— 错在x是每组price，x.idxmax()是组内位置，但df.loc[...]查的是全局索引，会错位 - 没处理空组：若某组全为
NaN，idxmax()报ValueError，需加skipna=False或提前过滤
lambda 里需要访问组名（group key）怎么办？
groupby.apply 的 lambda 默认只接收组数据，不传 key。想用组名，得用 groupby(..., group_keys=True)（默认开启），然后在 lambda 里通过 g.name 拿到单级 key，或 g.name[0]、g.name[1] 拿多级 key。
例如按两列分组后，在每组结果里标记来源：
df.groupby(['region', 'year']).apply(lambda g: pd.Series({
'max_sales': g['sales'].max(),
'from_group': f"{g.name[0]}_{g.name[1]}"
}))
注意点：
-
g.name类型取决于分组键：单列是标量（str或int），多列是tuple，别直接用g.name + '_suffix'拼接 - 如果分组键含
NaN，g.name对应位置也是np.nan，字符串操作前建议先fillna('unknown')
性能差得明显？可能是 lambda 触发了 Python 循环
每个组调用一次 lambda，本质是 Python 层循环，比内置的 sum、mean 等 C 实现慢一个数量级。尤其组数多（>10k）、每组小的时候，开销集中在函数调用和解释器切换上。
优化方向：
- 能用
agg就别用apply：比如df.groupby('x').y.agg(['mean', 'std'])比.apply(lambda g: pd.Series([g.mean(), g.std()]))快得多 - 避免在 lambda 里重复计算：如需均值和标准差，别写两次
g.mean()和g.std()，先存变量 - 真要复杂逻辑，考虑用
numba.jit加速内部计算，但注意g是 pandas 对象，numba 不支持，得先转numpy数组
最易被忽略的是：lambda 返回的索引会被自动对齐，如果返回自定义 Series 却没设 name，结果列名可能变成数字索引，后续 merge 或 concat 容易出错。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
