如何向pd.groupby传入函数参数实现自定义分组聚合计算

原代码两处问题导致无法正常运行：

1. .func()是硬编码调用GroupBy对象名为func的内置方法，和外部传入的func函数参数没有关联，无法动态调用传入的聚合逻辑。
2. pd.Grouper(freq)写法参数传参错误，pd.Grouper第一个位置参数是key（用来指定按列分组的列名），时间频率需要显式传给freq关键字参数，否则针对时间索引的分组会失效。

使用pandas分组对象的.agg()（聚合方法）接收传入的可调用函数，同时修正Grouper的传参即可，完整代码如下：

import pandas as pd
import numpy as np

# 构造测试数据：日频时间索引，前4条属于1月，最后1条属于2月
date_index = pd.date_range(start="2024-01-01", periods=5, freq="D")
series = pd.Series([1, 2, 2, 2, 5], index=date_index)

def custom_calc(series: pd.Series, freq: str, func):
    # 按指定时间频率分组，动态应用传入的聚合函数
    return series.groupby(pd.Grouper(freq=freq)).agg(func)

• 按月分组传入sum求和：

result = custom_calc(series, "M", sum)
print(result)

输出完全符合预期：

2024-01-31    7
2024-02-29    5
Freq: M, dtype: int64

其中1月4条观测值求和结果为1+2+2+2=7，2月单条观测值保留原值5。

• 其他聚合函数兼容测试：传入均值、计数等任意合法聚合函数都可正常运行，比如传入np.mean求月均值：

print(custom_calc(series, "M", np.mean))

输出：

2024-01-31    1.75
2024-02-29    5.00
Freq: M, dtype: float64

• 动态传入的聚合逻辑不要用点号硬编码调用，必须通过.agg()或.apply()方法传入，点号仅能调用对象预先定义好的固定名称方法。
• 该实现兼容所有合法聚合入参：Python内置聚合函数（sum/len/max等）、numpy聚合函数、pandas支持的聚合方法名字符串（比如直接传"sum"/"mean"/"count"也可识别）、自定义聚合函数。

内容的提问来源于stack exchange，提问作者matt.aurelio