Python for循环调用pandas agg聚合函数不生效原因及解决方法

• 核心逻辑偏差：不管是逐列手写agg()追加到列表，还是用for循环批量追加，本质都是多次调用聚合方法，得到的是N个独立的pandas.Series对象（N为待聚合列数），每个对象仅存储单列的聚合结果，并非包含所有列聚合值的单条结构化结果。你觉得逐列手写“能正常运行”只是手动编码时对齐了每个Series的结构，循环执行后如果直接使用列表内的独立Series做后续处理，自然会出现结构不匹配、结果不符合预期的问题。
• 兼容性bug：循环代码中使用了first作为聚合函数，pandas 1.1.0之前的版本对first/last类聚合的命名聚合语法支持存在缺陷，会直接抛出参数解析错误，这也是循环代码可能直接运行失败的常见原因。

方案1：单次聚合（推荐，性能最优） #

一次性构造所有列的聚合规则字典，仅调用一次agg()完成全部计算，不需要循环、不需要额外拼接结果，直接得到包含所有聚合值的单条Series：

import pandas as pd

test = pd.DataFrame(
    [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10,11,12]],
    columns=['A', 'B', 'C']
)
cols = ['A', 'B', 'C']

# 批量构造所有聚合规则
agg_rules = {}
for col in cols:
    agg_rules[f"{col}_first"] = (col, "first")
    agg_rules[f"{col}_min"] = (col, "min")
    agg_rules[f"{col}_max"] = (col, "max")
    agg_rules[f"{col}_mean"] = (col, "mean")

# 单次执行聚合
result = test.agg(**agg_rules)

返回的result是索引为A_first、A_min、A_max、A_mean...C_mean的Series，存储了所有列的聚合结果，和手动全量编写聚合规则的运行结果完全一致。

方案2：循环逐列计算+结果拼接 #

如果不同列需要定制差异化的聚合逻辑，必须逐列循环计算，可以在追加结果后统一拼接所有独立Series，得到完整结果：

a = []
for col in cols:
    col_res = test.agg(**{
        f"{col}_first": (col, lambda x: x.iloc[0]), # 用iloc取首行兼容低版本pandas
        f"{col}_min": (col, "min"),
        f"{col}_max": (col, "max"),
        f"{col}_mean": (col, "mean")
    })
    a.append(col_res)

# 拼接所有单列聚合结果
result = pd.concat(a)

兼容性提示：如果使用pandas 1.0以下版本，不要直接传"first"/"last"字符串作为聚合函数，改用lambda x: x.iloc[0]/lambda x: x.iloc[-1]实现取首尾值的逻辑，可避免参数解析报错。

内容的提问来源于stack exchange，提问作者John