Pandas Groupby：如何将自定义Lambda条件函数整合到聚合操作中

我懂你的需求啦——已经能通过lambda实现按item-date分组后统计PriceDiff_pct的正负值数量，现在想把这类自定义聚合逻辑和Pandas自带的预构建聚合函数（比如mean、sum、max这类）合并到同一个分组聚合操作里，不用分开多次执行对吧？

其实Pandas的agg()方法本身就支持混合自定义lambda和内置聚合函数，而且写法非常灵活，给你两种常用的整合方式：

方式1：跨多列混合聚合（最常用） #

如果需要同时对不同列执行不同的聚合操作（包括自定义和内置），可以直接用键值对+元组的形式传递给agg()，每个键就是最终结果的列名，元组的第一个元素是目标列，第二个是聚合函数（不管是lambda还是内置函数/字符串别名都可以）：

# 假设你已经完成item-date分组，得到item_day_group
item_day_agg = item_day_group.agg(
    # 自定义lambda聚合：统计PriceDiff_pct的正负数量
    Pos_Count=('PriceDiff_pct', lambda val: (val > 0).sum()),
    Neg_Count=('PriceDiff_pct', lambda val: (val <= 0).sum()),
    # 内置聚合函数：统计PriceDiff_pct的均值和总和
    PriceDiff_Avg=('PriceDiff_pct', 'mean'),
    PriceDiff_Total=('PriceDiff_pct', 'sum'),
    # 对其他列执行内置聚合（比如Volume列的总和和最大值）
    Total_Volume=('Volume', 'sum'),
    Max_Volume=('Volume', 'max')
).reset_index()

方式2：同一列的多聚合操作 #

如果只是针对某一列（比如你原来的PriceDiff_pct）同时做自定义和内置聚合，可以把多个聚合规则放在列表里，每个规则用元组（结果列名+聚合函数）表示：

item_day_agg = item_day_group['PriceDiff_pct'].agg(
    [
        ('Pos_Count', lambda val: (val > 0).sum()),
        ('Neg_Count', lambda val: (val <= 0).sum()),
        ('Avg_Pct', 'mean'),
        ('Total_Pct', 'sum')
    ]
).reset_index()

小提示 #

• 内置聚合函数既可以用字符串别名（比如'mean'、'sum'），也可以直接用对应的函数（比如np.mean、pd.Series.sum），效果完全一致；
• 用这种整合方式，你只需要执行一次agg()操作，不需要分开聚合后再用merge合并结果，代码更简洁，执行效率也更高；
• 如果你的自定义逻辑比较复杂，还可以把lambda抽成单独的函数，比如：

  def count_positive(val):
      return (val > 0).sum()
  
  def count_negative(val):
      return (val <= 0).sum()
  
  item_day_agg = item_day_group.agg(
      Pos_Count=('PriceDiff_pct', count_positive),
      Neg_Count=('PriceDiff_pct', count_negative),
      PriceDiff_Avg=('PriceDiff_pct', 'mean')
  ).reset_index()
  

  这样代码可读性会更好，也方便复用。

内容的提问来源于stack exchange，提问作者Z_D