Pandas中DataFrame的agg()与apply()方法有何区别？

问题背景 #

已有不少讨论针对groupby对象的agg()和apply()，但仍不清楚**DataFrame原生的agg()与apply()**的差异，从下方测试代码看二者输出完全一致，同时想了解是否存在仅适用于行操作、不适用于列操作的特殊场景。

测试代码 #

import pandas as pd

a = pd.Series([True, False, False])
b = pd.Series([False, False, False])
c = pd.Series([True, True, False])
d = pd.Series([1, 2, 3])

print(pd.DataFrame({'a': a, 'b': b, 'c': c, 'd': d}).agg(lambda x: print(len(x)), axis=1))
print()
print(pd.DataFrame({'a': a, 'b': b, 'c': c, 'd': d}).apply(lambda x: print(len(x)), axis=1))

代码输出 #

4
4
4
0    None
1    None
2    None
dtype: object

4
4
4
0    None
1    None
2    None
dtype: object

核心区别解析 #

虽然在简单lambda场景下两者表现一致，但它们的设计定位和能力范围有本质不同：

• 功能定位：

  • agg()是专门的聚合工具，主打多输入单输出的汇总计算（如求和、均值、计数），支持批量为不同列指定不同聚合逻辑；
  • apply()是通用数据转换工具，可处理任意自定义逻辑，不管是聚合、转换还是复杂逐行/列计算，灵活性拉满。

• 批量操作能力：
  agg()支持字典、列表形式的参数，实现多函数/多列的批量聚合，这是apply()做不到的：

  df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6]})
  # 按列指定不同聚合函数
  print(df.agg({'a': 'sum', 'b': 'mean'}))
  # 对所有列应用多个聚合函数
  print(df.agg(['sum', 'mean']))
  

• 返回值与性能：

  • agg()会返回结构化的聚合结果（如多级索引），且调用内置聚合函数时性能更优；
  • apply()的返回值完全由自定义函数决定（标量、Series、DataFrame都可能），但因逐行/列执行逻辑，大数据集下速度更慢。

行操作的特殊场景 #

两者都支持axis=1（行操作）和axis=0（列操作），不存在仅适用于行操作的绝对特殊情况，但行操作时apply()的灵活性优势更突出：

• agg()在行操作中更适合行内汇总（如求每行最大值、求和）；
• apply()可处理行内复杂逻辑，比如多列条件判断、字符串拼接等，写法更直观：

  df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6], 'c': [7,8,9]})
  # 行内条件判断
  result = df.apply(lambda x: "大于" if (x['a']+x['b'])>x['c'] else "小于等于", axis=1)
  print(result)
  

内容的提问来源于stack exchange，提问作者shortorian