pandas DataFrame.agg方法异常探究：Lambda返回同Series但聚合结果不同？

这个现象本质上是因为pandas的agg方法会根据你调用它的上下文（普通DataFrame还是分组后的GroupBy对象）、聚合轴（axis参数），甚至传入函数的方式（单个函数还是字典映射），采用完全不同的规则来拼接每个Lambda返回的Series，哪怕每个Lambda返回的Series内容、结构完全一致。

我用几个具体场景给你拆解：

1. 聚合轴（axis）不同导致的结果差异 #

假设我们有一个简单的DataFrame：

import pandas as pd
df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6]})

我们定义一个返回固定Series的Lambda：

my_lambda = lambda x: pd.Series([x.min(), x.max()], index=['min_val', 'max_val'])

• 当用axis=0（默认，按列聚合）调用agg时：

  result_axis0 = df.agg(my_lambda)
  

  结果是一个以原DataFrame列名为行索引，以Lambda返回Series的索引为列名的DataFrame：

  min_val  max_val
  a        1        3
  b        4        6
  

  原因：axis=0时，Lambda会被逐列执行（每个x是一列的Series），然后把每列的结果Series按行拼接，行标签就是原列名。

• 当用axis=1（按行聚合）调用agg时：

  result_axis1 = df.agg(my_lambda, axis=1)
  

  结果是一个以原DataFrame行索引为行索引，以Lambda返回Series的索引为列名的DataFrame：

  min_val  max_val
  0        1        4
  1        2        5
  2        3        6
  

  原因：axis=1时，Lambda会被逐行执行（每个x是一行的Series），然后把每行的结果Series按行拼接，行标签就是原行索引。

2. 普通DataFrame vs GroupBy对象的agg差异 #

还是用上面的DataFrame，我们先分组：

df['group'] = ['X', 'X', 'Y']
grouped_df = df.groupby('group')

同样用之前的my_lambda调用agg：

grouped_result = grouped_df.agg(my_lambda)

结果会是一个多级列索引的DataFrame：

a          b     
  min_val max_val min_val max_val
group                           
X        1       2       4       5
Y        3       3       6       6

而普通DataFrame的agg结果是单级列索引、原列名为行索引的结构。这是因为GroupBy的agg会将分组键作为行索引，同时把原列名和Lambda返回Series的索引组合成多级列索引，以此区分不同列的聚合结果；而普通DataFrame的agg则是把原列名直接作为行索引来展示每列的聚合结果。

3. 单个函数传入 vs 字典映射传入的差异 #

如果我们用字典指定仅对部分列应用Lambda：

dict_result = df.agg({'a': my_lambda})

结果只会包含指定列的聚合结果：

min_val  max_val
a        1        3

而直接传入单个函数会对所有列执行聚合，结果包含所有列的信息。

总结一下：Lambda返回的Series只是单个聚合单元的结果，agg会根据自身的运行上下文，选择不同的拼接规则来组合这些单元结果，最终呈现出不同的结构——这就是你看到“返回相同Series但聚合结果不同”的核心原因。

内容的提问来源于stack exchange，提问作者V. Ayrat