groupby后agg()只返回一列是因为默认对数值列调用numpy.mean并跳过非数值列；需显式指定列或用字典映射函数，多级聚合列名需手动展平，条件计数应使用eq()或手动计算避免NaN问题。
groupby 后直接用 agg() 为什么只返回一列？
因为没传聚合函数列表或字典，agg() 默认对每列调用 numpy.mean，但若原始 DataFrame 里有非数值列（比如字符串 ID），pandas 会静默跳过它们，导致结果列数变少——这不是 bug，是默认行为。
- 显式指定要聚合的列：
df.groupby('category')[['sales', 'profit']].agg('sum') - 想保留非数值列并做特定聚合（如取首值）：
.agg({'sales': 'sum', 'name': 'first'}) - 避免隐式类型推断：分组前先确认
df.dtypes，把本该是数值却读成object的列用pd.to_numeric(..., errors='coerce')清洗
agg() 里混用多种统计方式（均值、最大值、计数）怎么写才不报错？
必须用字典映射列名到函数，不能直接传函数列表——否则 pandas 会对所有列重复应用同一套函数，容易因类型不匹配崩在 max 或 count 上。
- 正确写法：
.agg({'price': ['mean', 'max'], 'id': 'count', 'status': pd.Series.nunique}) - 函数名用字符串（如
'mean'）更安全；自定义函数需确保能处理空组（返回标量，别返回 Series） - 注意
'count'和'size'区别：count忽略 NaN，size统计行数（含 NaN）
多级分组 + 多指标聚合后，索引乱了怎么还原成扁平列名？
groupby 多列 + agg 多函数后，列名自动变成 MultiIndex，导出 Excel 或给下游用时经常被当成“结构异常”。不用重置索引再 rename，有更直接的办法。
- 一步展平：
result.columns = ['_'.join(col).strip() for col in result.columns.values] - 如果只想展平部分层级（比如只合并函数名和字段名）：
result.columns.map('_'.join) - 警惕
as_index=False只影响行索引，对列名没用；reset_index()是行操作，不是列名修复手段
用 agg() 做条件计数（比如“好评率”）为什么结果全是 NaN？
常见于写 agg({'review': lambda x: (x == 'good').mean()}) 却忘了 x 是 Series，而 .mean() 对布尔值有效——但若 review 列含空值或非预期字符串，x == 'good' 会产生布尔数组加 NaN，mean() 默认跳过 NaN，可结果仍可能为 NaN（比如全 NaN）。
- 稳妥写法：
lambda x: (x == 'good').sum() / len(x)（手动算，不依赖自动跳过） - 更推荐用
agg({'review': lambda x: x.eq('good').mean()})，eq()比==对 NaN 更鲁棒 - 性能提示：避免在
agg里反复调用len(x)或x.count()，pandas 内部已缓存组大小，可用__len__或提前计算
复杂点在于 agg 的输入是 Series，但函数签名不暴露组元信息；容易被忽略的是：多级聚合时列名嵌套逻辑和空值传播路径，这两处一错，下游就很难 debug。
