Pandas 的 groupby.agg() 默认不支持直接在聚合函数中同时访问多个列，但可通过预计算新列或改用 groupby.apply() 实现多列协同计算，本文详解两种可靠方案及性能权衡。
pandas 的 `groupby.agg()` 默认不支持直接在聚合函数中同时访问多个列，但可通过预计算新列或改用 `groupby.apply()` 实现多列协同计算，本文详解两种可靠方案及性能权衡。
在 Pandas 中进行分组聚合时，一个常见需求是：基于同一分组内多个数值列的组合运算（如 value1 * value2 的均值）生成新统计量。然而，DataFrameGroupBy.agg() 的标准用法（包括字典映射、命名元组或关键字参数形式）仅允许每个聚合函数作用于单列——即函数接收的是 Series，而非整个子 DataFrame。因此，如下写法会报错或行为异常：
# ❌ 错误示例：agg 不支持 lambda 中跨列访问 df.groupby(["Sample", "Year"]).agg(agg1=lambda group: (group["value1"] * group["value2"]).mean())
✅ 方案一：预计算辅助列 + agg()（推荐）
最高效、最符合 pandas 惯例的方式是先构造中间列，再分组聚合。利用 eval() 或普通赋值创建临时列，随后在 agg() 中引用该列：
import pandas as pd
df = pd.DataFrame({
"value1": range(8),
"value2": range(7, -1, -1),
"Sample": [1, 2] * 4,
"Year": list(range(2023, 2027)) * 2
})
result = (df.eval('prod = value1 * value2')
.groupby(['Sample', 'Year'])
.agg(agg1=('prod', 'mean')))
print(result)
输出：
agg1
Sample Year
1 2023 6.0
2025 8.0
2 2024 8.0
2026 6.0
✅ 优势：向量化计算、内存友好、可链式调用、兼容 .agg() 的所有高级功能（如多函数、多列映射）。
⚠️ 注意：若需保留原始 DataFrame 结构，可在链式操作末尾加 .drop(columns='prod')。
✅ 方案二：使用 groupby.apply()（灵活但慎用）
当逻辑极其复杂（如涉及条件分支、外部状态或非标量返回）时，apply() 允许函数接收整个分组 DataFrame，从而自由访问任意列：
result_apply = (df.groupby(['Sample', 'Year'])
.apply(lambda x: x['value1'].mul(x['value2']).mean()))
# 返回 Series，索引为 MultiIndex
print(result_apply)
输出：
Sample Year
1 2023 6.0
2025 8.0
2 2024 8.0
2026 6.0
dtype: float64
⚠️ 注意事项：
-
apply()是逐组 Python 循环，性能显著低于向量化操作（尤其大数据集）； - 默认返回
Series，若需DataFrame输出，需显式构造（如lambda x: pd.Series({'agg1': ...})）； - 避免在
apply中重复调用.copy()或复杂 I/O，否则进一步拖慢速度。
总结建议
| 场景 | 推荐方法 | 理由 |
|---|---|---|
| 多列简单算术/统计（如乘积均值、差值标准差） | eval() + agg() |
高效、清晰、可读性强、易于调试 |
| 需要分组内行间逻辑、动态列选择或非标量输出 | apply() |
灵活性高，但务必评估性能影响 |
需同时对多列做不同聚合（如 value1.sum() 和 value2.mean()） |
直接 agg({'value1': 'sum', 'value2': 'mean'})
|
原生支持，无需跨列 |
始终优先尝试向量化预计算；仅当 agg() 无法满足逻辑表达时，再启用 apply() 并辅以性能测试（如 %%timeit）。
