Замена значения после groupby

Значения в столбце продукта имеют тип nd массив. Значит замены не будет. Попробуйте следующий код.

import re

df = pd.DataFrame(np.array([['Tom', 'apple1'], ['Tom', 'banana35'], ['Jeff', 'pear0']]),
               columns=['customer', 'product'])
df1 = df.groupby(["customer"])["product"].unique().reset_index()
df1["product"] = df1["product"].apply(lambda x: [re.sub("\d","", v ) for v in x])


df1
Out[52]: 
  customer          product
0     Jeff           [pear]
1      Tom  [apple, banana]

Что мы делаем, так это используем лямбда-функцию, мы получаем доступ к каждому значению массива, а затем заменяем цифры.

df = pd.DataFrame(np.array([['Tom', 'apple1'], ['Tom', 'banana35'], ['Jeff', 'pear0']]),
               columns=['customer', 'product'])
df1 = df.copy()
df1["product"] = df1["product"].str.replace('[0-9]', '')
product_by_customer = df1.groupby('customer')['product'].unique()
product_by_customer

из :

customer
Jeff             [pear]
Tom     [apple, banana]
Name: product, dtype: object

сделать копию df и как насчет изменения перед groupby?

Вы можете сначала заменить, а затем агрегировать:

product_by_customer = df["product"].str.replace('[0-9]', '')
    .groupby(df['customer']).unique()

print(product_by_customer)

customer
Jeff             [pear]
Tom     [apple, banana]
Name: product, dtype: object

Или объедините с удалением числового:

import re

f = lambda x: [re.sub("[0-9]", "", v) for v in x.unique()]
product_by_customer = df.groupby('customer')['product'].agg(f)

print(product_by_customer)

customer
Jeff             [pear]
Tom     [apple, banana]
Name: product, dtype: object

Аналогичная идея — удалить возможные дубликаты с помощью трюка dict.fromkeys:

f = lambda x: list(dict.fromkeys(x.str.replace('[0-9]', '', regex=True)))
product_by_customer = df.groupby('customer')['product'].agg(f)

print (product_by_customer)

customer
Jeff             [pear]
Tom     [apple, banana]
Name: product, dtype: object