如何在Pandas DataFrame GroupBy中实现多列参与的聚合操作？

当然可以实现这类涉及多列的聚合操作，问题出在你使用agg关键字参数的方式上——这种写法下，pandas会默认将单个列的Series传递给lambda，而非整个分组的子DataFrame。下面是几种可行的解决方法：

方法1：使用groupby.apply（灵活处理多列逻辑） #

apply方法会直接将每个分组的完整子DataFrame传递给自定义函数，非常适合需要同时操作多列的场景：

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
})

# 用apply实现多列聚合
result = df.groupby(["Sample", "Year"]).apply(
    lambda group: pd.Series({"agg1": (group["value1"] * group["value2"]).mean()})
)
print(result)

输出结果：

agg1
Sample Year         
1      2023     0.0
       2024    10.0
       2025    24.0
       2026    42.0
2      2023     7.0
       2024    15.0
       2025    27.0
       2026    43.0

方法2：先计算衍生列再聚合（性能更优） #

如果聚合逻辑可以拆分为“先计算多列组合值，再聚合”，推荐先生成衍生列再做分组聚合，这种方式在大数据集上性能更好：

# 先计算value1和value2的乘积列
df["value_product"] = df["value1"] * df["value2"]

# 对衍生列做分组mean聚合，并重命名结果列
result = df.groupby(["Sample", "Year"])["value_product"].mean().rename("agg1")
print(result)

输出和方法1完全一致，但执行效率更高，因为避免了分组内的逐组函数调用开销。

方法3：调整agg的使用方式（不推荐，仅作参考） #

如果一定要用agg，可以通过传递包含整个DataFrame引用的逻辑来实现，但这种写法不够直观，且容易出错：

result = df.groupby(["Sample", "Year"]).agg(
    agg1=lambda x: (x * df.loc[x.index, "value2"]).mean()
)["agg1"]

这里的x是value1列的Series，通过x.index关联到对应的value2值，但这种方式依赖索引的一致性，不如前两种方法可靠。

内容的提问来源于stack exchange，提问作者Thomas Arildsen