Pandas分组聚合：如何对指定前缀列分别计算求和与均值

错误原因 #

你之前的写法核心问题在于：agg() 接受的聚合字典，键必须是单个列名，而非列的元组或列表。你把多个FLAG_列打包成元组作为字典键，会被pandas识别为一个“以该元组命名的列”，自然找不到对应列，触发KeyError。

正确实现方式 #

方法1：构建标准聚合字典 #

先分别生成两类列的聚合规则，再合并为完整的聚合字典：

sum_cols = [col for col in df.columns if col.startswith('FLAG_')]
mean_cols = [col for col in df.columns if col.startswith('RESPONSE_')]

# 为每个列指定对应的聚合函数
agg_dict = {}
agg_dict.update({col: 'sum' for col in sum_cols})
agg_dict.update({col: 'mean' for col in mean_cols})

# 执行分组聚合
df = df.groupby('ID').agg(agg_dict)

方法2：简洁的参数展开写法 #

利用Python字典解包，直接在agg()中传入两类列的聚合规则：

sum_cols = [col for col in df.columns if col.startswith('FLAG_')]
mean_cols = [col for col in df.columns if col.startswith('RESPONSE_')]

df = df.groupby('ID').agg(
    **{col: 'sum' for col in sum_cols},
    **{col: 'mean' for col in mean_cols}
)

方法3：链式分组聚合（适配流水线场景） #

如果是数据流水线的一部分，可拆分聚合逻辑后合并结果，可读性和扩展性更强：

sum_cols = [col for col in df.columns if col.startswith('FLAG_')]
mean_cols = [col for col in df.columns if col.startswith('RESPONSE_')]

# 分别聚合两类列
sum_part = df.groupby('ID')[sum_cols].sum()
mean_part = df.groupby('ID')[mean_cols].mean()

# 合并结果
df = sum_part.join(mean_part)

内容的提问来源于stack exchange，提问作者rams