如何聚合DataFrame并应用Lambda函数实现分组自定义计算

• groupby多列选择语法错误：groupby('client_name')['price','count','discount']的写法，实际是向groupby对象的列选择方法传入了元组参数，pandas会尝试将该元组作为哈希键匹配列，既无法正确选中目标列，也会导致后续参数解析异常。多列选择必须使用嵌套列表语法，即groupby('client_name')[['price','count','discount']]。
• agg参数规则适配错误：agg方法要求传入的聚合规则为三类：内置聚合函数（如sum、mean）、可接收分组数据为入参的可调用对象、格式为(自定义输出列名, 待聚合列名, 聚合函数)的元组规则。你直接将全表长度的Series（df['price']*df['count']）作为聚合规则传入，由于Series是可变对象，无法通过哈希校验，因此直接抛出TypeError: 'Series' objects are mutable, thus they cannot be hashed的报错。
• 计算逻辑偏差：需要统计的两个指标都是跨列运算（逐行计算price*count、再叠加discount折扣）后的聚合结果，并非对单个独立列的直接聚合，这种场景下无法通过直接对列调用内置聚合函数得到正确结果。

单步完成汇总计算是完全可行的，不需要提前生成临时中间列或中间DataFrame，可直接使用pandas的命名聚合语法实现，示例代码如下：

summary = df.groupby('client_name').agg(
    **{
        # 分组内逐行计算无折扣金额，再求和得到全组总无折扣消费
        'Total pre discount': lambda group: (group['price'] * group['count']).sum(),
        # 分组内逐行计算折后金额，再求和得到全组总折后消费
        'Discount applied': lambda group: (group['price'] * group['count'] * group['discount']).sum()
    }
)

上述逻辑的执行流程为：按client_name拆分分组后，将每个分组对应的子数据集传入lambda函数，在函数内部完成跨列乘法计算、组内求和的全流程，直接输出指定列名的汇总DataFrame，全程无额外临时对象生成。

小提示：如果处理十万行以上的大体积数据，组内lambda的运行效率会低于向量化预计算的方案，但后者属于多步实现逻辑，不符合单步操作的需求。

内容的提问来源于stack exchange，提问作者Vahn Toan