pandas Series.agg传入lambda自定义函数与内置函数结果不一致问题咨询

这一表现是pandas.Series.agg内部多分支兼容逻辑导致的，不属于设计缺陷，具体执行逻辑如下：

• Series.agg接收传入函数后，会先判断函数是否属于内部注册的已知聚合函数白名单：np.mean属于白名单范畴，此时pandas直接将完整Series作为参数传入函数，计算得到聚合标量170.4，符合预期。
• 若传入的是不在白名单内的可调用对象（比如lambda），pandas会优先尝试逐元素执行函数：如果逐元素运行无报错，直接返回逐元素计算后的新Series。测试中lambda x: np.mean(x)返回和原Series取值一致的结果，就是因为此时x是单个float值，np.mean(单个float)的返回值就是它本身。
• 若逐元素执行过程中抛出异常（比如调用x.tolist()时，float类型没有该方法），pandas会触发回退逻辑，改为将完整Series作为参数传入函数执行，所以此时能打印出整个Series的列表内容。

其他场景表现一致的原因 #

• groupby.agg的核心逻辑是按分组传入子Series块执行聚合，没有逐元素应用的分支设计，所以不管传入原生聚合函数还是lambda，都会把子Series作为参数传入，结果一致。
• DataFrame.agg默认按列聚合，始终把整列Series作为参数传入函数，所以lambda也能拿到完整列数据，计算结果符合预期。

解决方案 #

如果需要在非分组Series.agg中使用自定义lambda做聚合，推荐两种方案：

1. 使用pipe方法替代agg，pipe始终会把整个调用对象作为参数传入函数：

v.pipe(lambda x: np.mean(x)) # 返回170.4

2. 将lambda放在列表中传入agg，强制pandas按聚合逻辑执行：

v.agg([lambda x: np.mean(x)]).iloc[0] # 返回170.4

内容的提问来源于stack exchange，提问作者KH Kim