如何在pandas.resampler.agg()的字典式输入中为聚合函数传递参数？

我完全懂你碰到的这个坑！当你用单列直接指定sum并在外层加min_count=1时，能正常得到空值；但换成字典形式指定聚合规则后，外层的参数根本传不进去，最后得到的是0而不是想要的NaN/None，确实挺让人头疼的。

其实解决方法很简单，你只需要把字典里的聚合函数从字符串改成元组形式，元组里第一个元素是函数名（比如'sum'），第二个元素是你要传递的参数字典就行。

举个具体的例子，用你提供的测试数据：

import pandas as pd
df = pd.DataFrame(index=[pd.to_datetime('2020-01-01')], columns=['value'])

把原来不生效的写法：

# 这个写法不会传递min_count参数，得到的结果是0
df.resample('5min').agg({'value': 'sum'}, min_count=1)

改成下面这种正确形式：

# 用元组传递函数名和参数，min_count会被正确传给sum
df.resample('5min').agg({'value': ('sum', {'min_count': 1})})

运行后你会发现，结果里的value列就会返回NaN（和你单列聚合时的预期结果一致），而不是0了。

原理也很好理解：当你给agg()的字典传入字符串时，pandas只会调用带默认参数的聚合函数；而用元组形式时，pandas会把后面的参数字典精准传递给对应的聚合函数，这样min_count=1就能生效——当采样周期内没有有效数据时，sum就会返回空值而不是默认的0。

如果你的数据有多个列，需要给不同列的聚合函数传不同参数，这种方式也完全适用，比如：

df.resample('5min').agg({
    'value1': ('sum', {'min_count': 1}),
    'value2': ('mean', {'skipna': False})
})

这样每个列的聚合函数都能拿到自己需要的参数，非常灵活。

内容来源于stack exchange