我有一個大數據集，如下所示：Year         Company              Sales          Dummy          1993            A                  100             1  1994            A                  50              1 1995            A                  50              1  1996            A                  NaN             01997            A                  NaN             01998            A                  NaN             01993            B                  100             1  1994            B                  50              1 1995            B                  50              1  1996            B                  NaN             01997            B                  NaN             01998            B                  100             1預期的輸出如下：Year         Company              Sales          Dummy       1993            A                  100             1            1994            A                  50              1            1995            A                  50              1            1996            A                  NaN             0            1997            A                  NaN             0            1998            A                  NaN             0              我想在 B 公司和 C 公司等公司的虛擬列中填寫 1，因為 B 公司在樣本期之間存在缺失值，但 B 公司和 C 公司在樣本期結束時再次提供銷售價值。上面的代碼工作正常，可以滿足我的需要。但是，我的數據集非常大。上面的代碼需要一段時間才能運行。我嘗試使用：df.groupby('Company',as_index=False).apply(Newdummygenerator)或者df.groupby('Company',as_index=False).apply(lambda x: Newdummygenerator(x))上面的代碼不起作用。并且df.groupby('Company',as_index=False).apply(lambda x: Newdummygenerator(x))Output: __問題：上面代碼的輸出是__；我想知道為什么會這樣。據我了解，apply() 函數將每個組作為一個子數據集，我的函數可以對每個子數據集進行一些操作。我有什么誤解嗎？如果我想使用定義的函數，如何將定義的函數更改為使用 apply() 函數？有沒有更有效的方法來做到這一點？快速分類：我處理的問題比我描述的情況復雜得多。我的觀點是為什么我不能在 groupby().apply() 函數中使用上面定義的函數？太感謝了！