Pandas分组聚合时，如何在聚合函数中传入额外独立列？

这个问题问得很到位！闭包确实是一种解决方案，但Pandas给我们提供了好几种更直接、更符合原生API风格的方法，让你不用依赖闭包就能在聚合时同时访问到目标列和额外列（比如你的'B'列或者示例里的'milage'列）。下面我给你拆解几个实用的思路：

方法1：用groupby.apply()直接操作分组完整数据 #

apply()是最灵活的方式，因为它会把每个分组的完整DataFrame传递给你的自定义函数——这意味着你可以直接在函数里访问分组内的所有列，想怎么组合计算都可以。

举个例子，假设你要对m1-m4列计算与milage列的加权均值：

import pandas as pd

def weighted_agg(group):
    # group是每个分组的完整DataFrame，包含所有列
    return pd.Series({
        'm1': (group['m1'] * group['milage']).mean(),
        'm2': (group['m2'] * group['milage']).mean(),
        'm3': (group['m3'] * group['milage']).mean(),
        'm4': (group['m4'] * group['milage']).mean()
    })

# 执行聚合
result = df.groupby(level=[0, 1]).apply(weighted_agg)

优缺点：

• ✅ 逻辑直观，能处理任意复杂的聚合逻辑（比如每个列的规则不一样）
• ❌ 性能略逊于向量化操作，适合中小规模数据

方法2：先创建临时列再聚合 #

如果你的聚合逻辑比较统一（比如所有目标列都和额外列做相同运算），可以先通过向量化操作生成临时列，再对临时列做常规聚合。这种方法性能最优，因为全程是Pandas的向量化计算。

比如同样计算加权均值：

cols_to_agg = ['m1', 'm2', 'm3', 'm4']

# 生成临时加权列
for col in cols_to_agg:
    df[f'{col}_weighted'] = df[col] * df['milage']

# 对临时列聚合，再重命名列名
result = df.groupby(level=[0, 1])[[f'{col}_weighted' for col in cols_to_agg]].mean()
result.columns = cols_to_agg

优缺点：

• ✅ 性能最好，适合大数据量
• ❌ 需要临时列占用内存，仅适合聚合逻辑统一的场景

方法3：agg()配合分组键索引访问额外列 #

如果你还是想用agg()语法，可以通过分组键（x.name）直接索引到对应分组的额外列，不用闭包也能拿到需要的数据。

示例代码：

result = df.groupby(level=[0, 1]).agg(
    m1=lambda x: (x * df.loc[x.name, 'milage']).mean(),
    m2=lambda x: (x * df.loc[x.name, 'milage']).sum(),
    m3=lambda x: (x * df.loc[x.name, 'milage']).max(),
    m4=lambda x: (x * df.loc[x.name, 'milage']).min()
)

这里的x.name就是当前分组的MultiIndex元组（比如(serial_val, turn_val)），用df.loc[x.name, 'milage']就能精准拿到该分组的milage列数据。

优缺点：

• ✅ 不用创建临时列，保持agg()的简洁语法
• ❌ 逻辑不如apply()直观，适合简单的聚合规则

总结 #

闭包确实能解决问题，但完全不是唯一选择：

• 复杂逻辑选apply()
• 大数据量+统一逻辑选临时列法
• 简单逻辑且想保留agg()风格选分组键索引法

内容的提问来源于stack exchange，提问作者Hendrik Wiese