groupby后agg返回Series或DataFrame取决于聚合参数类型：单函数单列聚合常返Series，多函数、字典或列表参数则返DataFrame；混用lambda易报错，应优先用内置字符串函数。
groupby 之后 agg 为什么有时返回 DataFrame，有时是 Series
这取决于你传给 agg 的参数类型和原始数据结构。传单个函数（如 'sum'）且分组键唯一时，pandas 倾向返回 Series；传字典、列表或多个函数时，强制返回 DataFrame。关键不是“想让它返回什么”，而是“你告诉它聚合什么”。
- 用
agg('mean')→ 可能返回Series（尤其单列分组单列聚合） - 用
agg(['sum', 'count'])或agg({'col1': 'max', 'col2': 'std'})→ 总是DataFrame - 如果原始
df只有一列，df.groupby('x').y.agg('sum')返回Series；但df.groupby('x')[['y']].agg('sum')强制返回DataFrame
agg 里混用 lambda 和内置字符串函数容易报错
比如 agg({'a': 'sum', 'b': lambda x: x.max() - x.min()}) 看似合理，但 pandas 在底层会尝试对所有列统一应用相同逻辑路径，lambda 缺少名称推导，常导致 KeyError 或 AttributeError: 'str' object has no attribute 'max'（误把字符串当方法名调）。
- 统一用字符串函数：优先写
'min','std','nunique'，它们被 pandas 显式注册过，性能更好也更稳 - 必须用 lambda？包一层命名元组：
agg({'a': ('sum', 'sum'), 'b': ('range', lambda x: x.max() - x.min())})，注意括号里第一个字符串是新列名 - 避免在 lambda 里调用未定义的属性，比如
lambda x: x.dt.day前没确认x是datetime类型，运行时报AttributeError
多级 groupby + agg 后索引变复杂，reset_index 容易漏参数
像 df.groupby(['A', 'B']).agg({'X': 'sum', 'Y': 'mean'}) 返回的是 MultiIndex DataFrame，直接取 .values 或喂给 sklearn 会出错。很多人只记得 reset_index()，却忽略它默认不保留原索引名 —— A 和 B 列名可能变成 level_0, level_1。
- 安全写法是
reset_index(drop=False)（默认就是False），但更推荐显式写reset_index()，它会自动把索引列还原为同名普通列 - 如果后续要 merge，注意
reset_index()后列名是否和别处一致；曾有人因reset_index()后A列多了一个空格而 join 不上 - 不想重置全部索引？用
reset_index(level=['A'], drop=False)只解开某一级
agg 性能差异大：apply 比内置函数慢 5–10 倍
agg 走的是 pandas 高度优化的 Cython 路径，而 apply 是 Python 层循环。哪怕只是 lambda x: x.sum()，也比直接写 'sum' 慢得多 —— 不是因为逻辑不同，而是绕过了底层向量化。
立即学习“Python免费学习笔记（深入）”；
- 查文档确认函数是否内置支持：
df.agg.__doc__里列出的字符串（如'first','last','sem'）都走 fastpath - 自定义逻辑真没法内置？先试
agg+named aggregation（3.6+），再考虑apply，别一上来就写 lambda - 大数据量下，
agg(['sum', 'count'])比两次单独groupby().sum()+groupby().count()快，因为只遍历一次数据
真正卡住的往往不是语法，而是没意识到 agg 内部做了多少索引对齐和 dtype 推断——尤其当你传入含 NaN 的 object 列时，一个 'first' 可能比 'min' 慢三倍，因为前者要跳过空值做类型检查。
