如何在Pandas中按组选择不同聚合函数实现分组聚合？

我需要在Pandas中执行分组聚合操作，但希望为每个分组使用特殊列（存储所需聚合函数）指定的函数。以下示例更易说明：

在该示例中，预期对group 0执行"avg"（平均值）聚合，对group 1执行"med"（中位数）聚合。如何让agg方法根据"func"列的值选择对应函数？我知道可以为每个分组计算所有聚合函数再筛选，但会产生大量不必要计算，应有更优方案...

注：已确保每个分组内的func值一致，无需处理冲突情况。

通过分组后自定义函数apply可实现按需聚合，避免冗余计算，具体操作如下：

• 定义函数名称映射字典，将业务侧的函数名转换为Pandas支持的标准聚合函数名：

func_dict = {"avg": "mean", "med": "median", "min": "min", "max": "max", "rnk": "first"}

• 编写自定义聚合函数，接收分组后的子DataFrame，根据分组内指定的函数执行对应操作：

def pick_price(subframe: pd.DataFrame) -> float:
    func_name = subframe["agg"].iloc[0]
    func_name = func_dict[func_name]
    # 从分组首行获取函数名并转换为Pandas标准名称
    if func_name != "first":
        ans = subframe["comp_price"].agg(func_name)
        return 1.0 * ans
    else:
        # 针对"rnk"对应的"first"逻辑，取rank最小的行对应的comp_price
        idx = subframe["rank"].idxmin()
        return 1.0 * subframe["comp_price"].loc[idx]

• 执行分组聚合：先按目标列分组，再通过apply调用自定义函数：

grouped = X.groupby("sku")
grouped.apply(pick_price)

内容的提问来源于stack exchange，提问作者Igor Agafonov