apply() 是最直接的选择，它将每个分组作为独立 DataFrame 或 Series 传入，支持任意逻辑处理（如滚动均值、字符串拼接、返回多列），但返回标量、Series 或 DataFrame 会分别生成 Series、广播结果或拼接 DataFrame，且不保证输出结构一致。
用 apply() 对分组结果做任意逻辑处理
分组后想跑自定义函数（比如计算滚动均值、拼接字符串、返回多列），apply() 是最直接的选择。它把每个分组当作一个独立 DataFrame 或 Series 传入，你在函数里怎么操作都行。
注意：它默认不保证返回结构与输入一致——返回单个标量、Series、DataFrame 都可以，但会影响最终输出形状。
- 如果函数返回标量（如
len(x)），结果是Series，索引为分组键 - 如果返回
Series且长度与分组行数一致（如x["col"].cumsum()），结果会广播回原位置，保持原始索引 - 如果返回
DataFrame（如pd.DataFrame({"a": x.col * 2})），结果会被拼成一个大DataFrame，但列名必须明确，否则容易丢数据
示例：df.groupby("category").apply(lambda g: g.sort_values("score").head(2)) —— 每组取分数最高的两条记录，返回带双层索引的 DataFrame。
agg() 和 transform() 的分工边界在哪
agg() 用于聚合（降维），每组输出一个值；transform() 用于广播（升维），每组输出与原组等长的结果，且强制对齐到原始索引。
立即学习“Python免费学习笔记（深入）”；
常见误用：想给每行加一个组内最大值，却用了 agg("max")，结果得到的是压缩后的 Series，无法直接赋值回原 DataFrame。
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
- 用
transform()：适合“每行都填上它所在组的统计量”，如df["group_max"] = df.groupby("id")["value"].transform("max") - 用
agg()：适合“只保留每组一条摘要”，如df.groupby("id").agg({"value": ["mean", "std"]}) - 混合用法可行：
df.groupby("id").agg({"value": "mean", "name": lambda x: "|".join(x)})，但注意后者若返回非标量，可能触发apply回退逻辑
自定义函数里修改原始数据会出问题吗
会。Pandas 分组操作默认使用视图或副本机制不透明，直接在 apply 或 transform 的函数里改 inplace=True 或赋值给 g["col"]，行为不可靠：有时生效，有时报 SettingWithCopyWarning，有时静默失败。
- 安全做法：始终返回新对象，例如
return g.assign(new_col=g.x / g.x.sum()) - 避免
g.loc[:, "col"] = ...或g["col"] = ...这类就地修改 - 如果逻辑复杂必须分步，先
copy()再操作，再返回，例如g = g.copy(); g["tmp"] = ...; return g
尤其注意 transform() 的函数里绝不要改输入对象——它依赖返回值做广播对齐，改了也没用，还可能污染后续计算。
性能敏感时该避开哪些写法
分组 + 自定义函数是 Pandas 最易慢的场景之一。以下写法在万行以上数据中明显拖慢：
- 在
apply()里调用 Python 循环遍历g.iterrows()—— 改用向量化方法，如g["x"].diff().fillna(0) - 反复访问
g.shape[0]或len(g)多次 —— 提前存为变量 - 返回包含大量重复索引的
DataFrame，后续再reset_index()—— 直接构造好索引再返回 - 用
apply()做本可用agg()完成的事，比如只是求和、计数 ——agg底层走 Cython，快一个数量级
真需要高性能又逻辑复杂？考虑先 groupby(...).indices 拿到各组行号，用 NumPy 索引批量处理，再拼回去。
实际用的时候，先问自己：这个操作是要压缩、扩展，还是原样变形？选对入口函数比优化函数体更重要。另外，所有自定义函数在空分组下是否健壮（比如 g.empty == True），这点经常被忽略。
