Python groupby聚合嵌套字典歧义报错问题求助

嘿，我来帮你搞定这个groupby聚合的问题！你遇到的SpecificationError: nested dictionary is ambiguous in aggregation，核心原因是你在agg()里的参数格式不符合pandas的解析规则，让我给你拆解清楚并修正代码。

报错原因分析 #

你原本的写法试图直接用新列名作为键来定义聚合规则，但pandas对agg()的字典参数有明确要求：字典的键必须是原始数据的列名，值则是对应的聚合操作（可以是函数名，或者(新列名, 聚合函数)的元组）。你的写法混淆了这一点，导致pandas无法明确解析你的聚合需求，从而抛出歧义错误。

另外，我还注意到你代码里有一个逻辑小错误：你用price_products的count来计算“总购买商品数”，这其实是统计该列非NaN的行数，和你实际需求不符——总商品数应该是#_products列的总和，我会在修正后的代码里帮你调整过来。

修正后的代码（两种写法） #

写法一：关键字参数（适合pandas 0.25+版本，简洁直观） #

这种写法直接把每个新列名作为参数名，值用(原始列名, 聚合函数)的元组来定义，是pandas新版本支持的简洁语法：

import pandas as pd

# 先构造你的数据（方便测试）
data = {
    'id': [123, 123, 124, 124, 124],
    'purchase_amount': [30, None, 50.00, None, None],
    'price_products': [20.00, 10.00, 25.00, 15.00, 10.00],
    '#_products': [2, None, 3, None, None]
}
df = pd.DataFrame(data)

# 正确的聚合代码
result = df.groupby('id').agg(
    total_purchase_amount=('purchase_amount', 'sum'),
    average_purchase_amount=('purchase_amount', 'mean'),
    times_purchased=('#_products', 'count'),  # 统计非NaN的#_products行数，即购买次数
    total_products_purchased=('#_products', 'sum'),  # 总购买商品数，用sum计算
    average_product_value=('price_products', 'mean')
)

print(result)

写法二：字典嵌套列表（兼容所有pandas版本） #

如果你的pandas版本较低，不支持关键字参数的写法，可以用这种通用格式：

result = df.groupby('id').agg({
    'purchase_amount': [('total_purchase_amount', 'sum'), ('average_purchase_amount', 'mean')],
    '#_products': [('times_purchased', 'count'), ('total_products_purchased', 'sum')],
    'price_products': [('average_product_value', 'mean')]
})

# 可选：把多级列名扁平化（方便后续使用）
result.columns = ['_'.join(col) for col in result.columns.values]
result.reset_index(inplace=True)

运行结果说明 #

执行后你会得到符合需求的统计结果：

• total_purchase_amount：用户的总购买金额（purchase_amount的总和）
• average_purchase_amount：用户的平均购买金额（purchase_amount的均值）
• times_purchased：用户的购买次数（#_products非NaN的行数，对应有明确商品数的订单）
• total_products_purchased：用户的总购买商品数（#_products的总和）
• average_product_value：每件商品的平均价值（price_products的均值）

内容的提问来源于stack exchange，提问作者Milan95