groupby().apply()接收的是dataframe而非series，需显式取列；单列聚合优先用agg()，跨列逻辑才用apply()；返回类型决定输出结构，内置方法比lambda快5–10倍。
groupby().apply() 是最直接的写法，但要注意函数接收的是 DataFrame 而非 Series
当你对 df.groupby('col') 后调用 apply()，传入的 lambda 函数默认接收到的是每个分组对应的子 DataFrame，不是单列。如果只想要某列做计算，得显式取列，比如：lambda x: x['value'].sum()，而不是 lambda x: x.sum()（后者会对所有数值列求和）。
常见错误现象：结果多出一维索引、返回值类型意外（如得到 Series 而非标量）、报 AttributeError: 'Series' object has no attribute 'xxx'——这往往是因为误以为 x 是 Series。
- 若只需单列聚合，优先考虑
agg()或transform()，更安全高效 - 若需跨列逻辑（比如“本组最大值减最小值”），
apply()才是合理选择 - 函数返回标量 → 结果是
Series；返回DataFrame或Series且长度不等于原分组 → 结果自动升维为DataFrame
用 agg() + lambda 更适合单列聚合，且性能更好
agg() 在语义和性能上都更适合“对每列应用一个聚合函数”。它允许你对不同列指定不同 lambda，也支持字符串简写（如 'mean'）。
例如：df.groupby('category')['score'].agg(lambda x: (x.max() - x.min()) / x.mean())，这里 x 就是 Series，可直接用 .max()、.min() 等方法。
- 避免在
agg()中写返回多个值的 lambda（如lambda x: (x.mean(), x.std())），会报错或结果异常 - 要同时算多个指标？改用元组列表：
df.groupby('a')['b'].agg([('avg', 'mean'), ('std', 'std')]) - 如果 lambda 里需要访问其他列，说明你其实该用
apply()，因为agg()只作用于单列
apply() 里 return 类型决定输出结构，别让 pandas 自动“猜”
apply() 的行为高度依赖 lambda 的返回值类型和长度。pandas 会尝试“推断”你想要什么结构，但这个推断常出错。
比如：df.groupby('id').apply(lambda g: g.iloc[0]) 返回每个分组第一行，结果是 DataFrame；而 df.groupby('id').apply(lambda g: g['val'].sum()) 返回 Series（索引为分组键）。
- 想强制返回
Series：用pd.Series显式构造，例如lambda g: pd.Series({'sum': g.x.sum(), 'count': len(g)}) - 想保持原始索引？加参数
include_groups=False（pandas ≥ 2.1）或手动重置索引 - 返回字典会被转成
Series，但键名变成列名——这点容易被忽略，导致后续列名混乱
性能敏感时，避免 apply() 做简单聚合，优先用内置方法
写 lambda x: x.mean() 和直接写 'mean' 表面效果一样，但前者慢 5–10 倍，因为绕过了 pandas 底层优化路径。
尤其当数据量大或分组数多时，这种差异会放大。内置方法（'sum'、'nunique'、np.std 等）经过 Cython 加速，而 lambda 总是走 Python 解释器路径。
- 检查是否真需要 lambda：多数统计需求都有对应字符串别名或 NumPy 函数
- 复杂逻辑无法避免 lambda 时，考虑先用
reset_index()拆成普通 DataFrame 处理，再 merge 回去，有时反而更快 - 用
%timeit对比实际耗时，别凭感觉判断“应该差不多”
真正麻烦的不是语法怎么写，而是搞清你传进去的 x 到底是 DataFrame 还是 Series，以及你 return 的东西 pandas 会怎么 reshape。这两点错了，结果就悄无声息地变样了。
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！
