聚合预期值全同的DataFrame字符串列的规范实现方案

当前pandas没有提供该场景下的开箱即用官方标准聚合实现，你可以通过两种轻量方案满足需求，性能和内置聚合方法基本持平：

• 方案1：向量化自定义聚合函数，按列类型匹配聚合规则
  编写仅针对字符串列的聚合函数，基于pandas底层优化的去重逻辑做判断，避免逐行遍历损耗性能，示例代码：

  import pandas as pd
  
  def strict_string_agg(col_series: pd.Series) -> str:
      # 可根据需求调整dropna参数，dropna=False时空值会被视为独立有效值参与校验
      unique_values = col_series.dropna().unique()
      if len(unique_values) != 1:
          raise ValueError(f"字符串列[{col_series.name}]存在不一致值，聚合失败")
      return unique_values[0]
  
  # 按列类型生成聚合规则映射
  agg_config = {}
  for col in df.columns:
      if pd.api.types.is_string_dtype(df[col]):
          agg_config[col] = strict_string_agg
      else:
          # 数值列替换为你实际需要的聚合方式，例如mean、median、sum等
          agg_config[col] = "sum"
  
  result = df.agg(agg_config)
  

• 方案2：前置校验+常规聚合
  针对大数据量场景，可以先完成所有字符串列的一致性校验，提前定位异常列，校验通过后直接用内置的first聚合处理字符串列即可，减少自定义函数调用开销：

  # 筛选所有字符串列
  str_columns = df.select_dtypes(include="string").columns
  # 逐列做一致性校验
  for col in str_columns:
      # 同样可调整dropna参数控制空值校验逻辑
      if df[col].nunique(dropna=False) > 1:
          raise ValueError(f"字符串列[{col}]存在多个不同值，不符合聚合要求")
  # 校验通过后直接用内置方法聚合
  num_columns = df.select_dtypes(include="number").columns
  agg_config = {**{col: "sum" for col in num_columns}, **{col: "first" for col in str_columns}}
  result = df.agg(agg_config)
  

• 注意：不要编写逐元素遍历判断的自定义聚合函数，上述两种方案用到的unique()、nunique()、first()都是pandas底层优化过的向量化实现，性能远高于逐行运行的Python层逻辑。

内容的提问来源于stack exchange，提问作者BeeOnRope