如何在Pandas DataFrame的agg方法中传递skipna=False参数？

当你需要在agg中为不同聚合函数统一设置skipna=False时，可以通过以下两种方式实现：

方法一：使用lambda函数指定参数 #

直接在agg的字典中，用lambda函数调用对应聚合方法并传入skipna=False参数：

import pandas as pd
import numpy as np
df = pd.DataFrame({"A": [1, 2], "B": [np.nan, np.nan], "C": [0, 0]})

# 设置skipna=False后，B列sum结果为NaN（而非默认的0.0）
result = df.agg({
    "A": lambda x: x.sum(skipna=False),
    "B": lambda x: x.sum(skipna=False),
    "C": lambda x: x.max(skipna=False)
})
print(result)

输出结果：

A    3.0
B    NaN
C    0.0
dtype: float64

方法二：封装聚合函数映射（适合动态列场景） #

如果你的列是动态生成的，且需要复用带参数的聚合函数，可以先创建一个聚合函数映射字典，再根据需求组合使用：

# 定义带skipna=False的聚合函数映射
agg_with_skipna = {
    "sum": lambda x: x.sum(skipna=False),
    "max": lambda x: x.max(skipna=False),
    "mean": lambda x: x.mean(skipna=False)
}

# 动态指定列与聚合函数的对应关系（可根据业务逻辑动态生成此字典）
agg_spec = {
    "A": agg_with_skipna["sum"],
    "B": agg_with_skipna["sum"],
    "C": agg_with_skipna["max"]
}

result = df.agg(agg_spec)
print(result)

这种方式的优势在于，后续添加新聚合函数或调整参数时，只需修改agg_with_skipna字典即可，无需逐个修改列的聚合逻辑，适配大量动态列的场景。

扩展：groupby后的聚合场景 #

如果是groupby之后的聚合，用法完全一致，只需将agg方法调用在groupby对象上：

# 示例：添加分组列D
df["D"] = ["X", "X"]
grouped_result = df.groupby("D").agg(agg_spec)
print(grouped_result)

内容的提问来源于stack exchange，提问作者Kirk Broadhurst