Python pandas分组聚合如何对非分组列批量操作无需逐列命名

当对DataFrame按指定列分组、需要对其余大量列应用相同聚合逻辑时，不需要逐一枚举列名，以下几种方案可以直接实现需求：

• 直接传入聚合函数，自动覆盖所有非分组列
  这是最简单的实现方式：只要给agg()直接传入聚合方法（支持字符串别名、内置函数、自定义函数），pandas会默认对除分组键外所有支持该聚合操作的列统一应用规则，不需要手动指定任何列名。
  比如你需要按id分组、其余所有列求和，代码可以直接写：

  import pandas as pd
  df = pd.DataFrame(...)
  # 自动跳过分组键id，对所有可聚合列求和，哪怕有几十上百列都不需要改代码
  res = df.groupby("id").agg("sum", numeric_only=True)
  

  其中numeric_only=True参数会自动跳过文本、日期等不支持求和的列，避免报错。
• 动态生成聚合规则，适配混合聚合需求
  如果你只有个别列需要应用和通用规则不同的聚合逻辑，也不需要枚举所有列，可以先动态取出所有需要应用通用规则的列，再单独覆盖特殊列的规则即可：

  # 取出除分组键id、不需要聚合的备注列之外的所有列
  target_cols = df.columns.drop(["id", "remark"])
  # 构造规则字典：所有目标列默认求和，单独指定val3列求均值
  agg_config = {col: "sum" for col in target_cols}
  agg_config["val3"] = "mean"
  
  res = df.groupby("id").agg(agg_config)
  

• 自定义lambda聚合的正确写法
  你预期的lambda自定义逻辑不需要额外判断列是否为分组键——因为groupby执行聚合时，传入聚合函数的列本身就不包含作为分组键的id列，不需要额外加判断排除，直接写聚合逻辑即可：

  # 示例：数值列求和，非数值列取每组第一个值
  res = df.groupby("id").agg(
      lambda col: col.sum() if pd.api.types.is_numeric_dtype(col) else col.iloc[0]
  )
  

避坑提示：不要在聚合函数里写col != id这类判断，一方面聚合阶段不会传入分组键列，另一方面直接写id会引用Python内置的id函数，不是你的列名，很容易引发报错。

内容的提问来源于stack exchange，提问作者morteza