使用Pandas agg聚合为列表报错：Function does not reduce 技术咨询

问题原因 #

首先得明确groupby.agg和groupby.apply的设计定位差异：

• groupby.agg（聚合）的核心目标是将分组后的序列约简为单个标量值（比如求和、取均值），它要求传入的聚合函数返回的结果是可被“reduce”的——也就是最终要输出与分组数量匹配的标量结果。列表是可变的可迭代类型，Pandas会把它当成需要进一步约简的对象，而非单个结果，这就触发了Function does not reduce的报错。
• 而元组、集合这类类型，Pandas会将其视为单个不可变元素（即使集合本身是可变的，但在聚合场景下被当作单个值处理），所以不会触发约简逻辑，因此能正常返回。
• groupby.apply则是更灵活的通用型工具，它不对返回值的类型做严格限制，只要函数能处理分组数据并返回结果即可，所以可以直接返回列表这类容器。

解决办法 #

根据你的需求，这里提供几种可行的方案：

方案1：直接使用groupby.apply（推荐）

这是最直接且符合预期的方式，因为apply本身就支持返回任意类型的结果：

import pandas as pd

df = pd.DataFrame({'key': ['A', 'A', 'B', 'B'], 'value': [1, 2, 3, 4]})
# 将分组后的value列聚合为列表
result = df.groupby('key')['value'].apply(list)
print(result)
# 输出：
# key
# A    [1, 2]
# B    [3, 4]
# Name: value, dtype: object

方案2：通过自定义包装函数适配groupby.agg

如果你一定要用agg，可以用自定义函数明确返回列表，部分Pandas版本支持这种写法：

# 用lambda函数直接返回列表
result = df.groupby('key')['value'].agg(lambda x: list(x))

# 如果lambda写法报错，试试用命名自定义函数
def agg_to_list(series):
    return list(series)

result = df.groupby('key')['value'].agg(agg_to_list)

注：这种方式在部分旧版本Pandas中可能仍会报错，所以优先推荐方案1。

方案3：多列混合聚合场景下的agg用法

如果需要对多个列应用不同聚合逻辑（比如部分列求和、部分列聚合为列表），可以用字典指定每个列的聚合方式，此时列表聚合的函数可以正常工作：

# 假设df有另一列counts
df['counts'] = [10, 20, 30, 40]
result = df.groupby('key').agg({
    'value': list,
    'counts': 'sum'  # 同时对counts列求和
})

内容的提问来源于stack exchange，提问作者jpp