Pandas自定义聚合函数传参报错，如何正确指定参数？

首先咱们来理清楚你代码出错的核心原因：当你设置axis="columns"时，agg会把每一行的数据以Series的形式传给你的函数，这时候再用args=("col_x", "col_y")就会造成参数冲突——函数的第一个参数x已经拿到了整行数据，又额外传入了两个位置参数，所以才会抛出TypeError: apply() got multiple values for keyword argument 'args'的错误。另外你想要的是整个DataFrame的单个聚合结果，axis="columns"其实是按行计算，这也不符合你的需求。

接下来给你几种正确的实现方式：

方式一：直接计算（最简单高效） #

你的需求逻辑很清晰，完全不用绕弯子写自定义聚合函数，直接用Pandas的向量运算就能完成，效率还最高：

import pandas as pd

df = pd.DataFrame([(0.1, 0.2), (0.3, 0.4), (0.5, 0.6)], columns=["col_x", "col_y"])
result = (df['col_x'] * df['col_y']).sum() / df['col_x'].sum()
print(result)  # 输出：0.4666666666666667

方式二：自定义聚合函数（适合复用或复杂逻辑） #

如果后续需要复用这个聚合逻辑，或者你的实际场景比现在更复杂，可以把函数写成接收整个DataFrame的形式，直接调用或者结合agg使用：

方法2.1 直接调用自定义函数 #

import pandas as pd

def aggregation_function(df):
    numerator = (df['col_x'] * df['col_y']).sum()
    denominator = df['col_x'].sum()
    # 加个除零判断，避免分母为0时报错
    return numerator / denominator if denominator != 0 else 0

df = pd.DataFrame([(0.1, 0.2), (0.3, 0.4), (0.5, 0.6)], columns=["col_x", "col_y"])
result = aggregation_function(df)
print(result)

方法2.2 结合agg使用 #

如果一定要用agg方法（比如在分组聚合的场景下），可以这样做：

# 复用上面定义的aggregation_function
result = df.agg(aggregation_function)
print(result)

这里的agg会把整个DataFrame传给你的自定义函数，最终返回单个聚合值。

额外场景：分组聚合 #

如果你的实际需求是按某列分组后计算这个指标，可以直接把自定义函数传给groupby.agg：

# 新增一个分组列示例
df['col_group'] = ['A', 'A', 'B']
grouped_result = df.groupby('col_group').agg(aggregation_function)
print(grouped_result)

内容的提问来源于stack exchange，提问作者wfgeo