Python中如何实现接收聚合函数作为参数的DataFrame分组聚合函数？

嗨，我懂你的问题啦！你写的代码里踩了个很常见的Python小坑——你直接用.func()来调用传入的聚合函数，但Python根本认不出这个是你传进来的参数函数，它会把func当成DataFrameGroupBy对象的内置方法，而这个方法其实不存在，所以才会报错。

咱们来修正一下，正确的做法是用pandas分组后的agg()方法（或者apply()，不过agg()更适配聚合场景），把你传入的聚合函数直接传给它就行。这里给你写出符合你最初函数签名的正确版本：

import pandas as pd

def group_and_aggregate_data(df: pd.DataFrame, group_by_column: str, agg_func) -> pd.DataFrame:
    # 用agg()方法传入聚合函数，内置函数、自定义函数都能生效
    grouped_df = df.groupby(group_by_column).agg(agg_func)
    return grouped_df

举个实际使用的例子帮你理解：
假设我们有这样的测试数据：

test_data = {
    'city': ['Beijing', 'Shanghai', 'Beijing', 'Shanghai', 'Guangzhou'],
    'sales': [1000, 1500, 1200, 1800, 900],
    'customers': [50, 75, 60, 90, 45]
}
df = pd.DataFrame(test_data)

我们可以这样调用函数：

• 传入pandas内置的聚合函数名（字符串形式）：

# 计算各城市的销售和客户数的平均值
mean_result = group_and_aggregate_data(df, 'city', 'mean')
print(mean_result)

• 传入自定义的聚合函数：

# 自定义一个计算最大值减最小值的函数
def calculate_range(x):
    return x.max() - x.min()

range_result = group_and_aggregate_data(df, 'city', calculate_range)
print(range_result)

这样就能完美实现你想要的「按城市分组，然后应用指定聚合函数」的需求啦！

备注：内容来源于stack exchange，提问作者Karina Meriina