pandas分组聚合中agg字典报错因版本差异，1.5+支持嵌套列表而旧版仅认字符串或单函数；应优先用元组形式并注意dropna=False保留NaN组，高基数分组宜用pd.Grouper或category优化。
用 pandas.DataFrame.groupby 做分组聚合时，为什么 agg 里传字典会报错？
常见错误是直接写 {'sales': 'sum', 'profit': ['mean', 'std']} 却没注意 pandas 版本。1.5+ 支持嵌套列表和元组写法，但旧版本只认字符串或单个函数。更稳妥的做法是统一用元组形式：agg([('total_sales', 'sum'), ('avg_profit', 'mean'), ('profit_std', 'std')])，这样既明确列名又兼容性好。
另一个坑是分组键含缺失值：默认 dropna=True，若想保留 NaN 组，得显式加参数 dropna=False。尤其在处理用户 ID 或地区字段有空值时，漏掉这个会导致结果行数变少，还不容易察觉。
性能上，如果分组维度高基数（比如千万级唯一用户），优先考虑 pd.Grouper(key='timestamp', freq='D') 替代原始字段分组，避免哈希开销；或者先用 astype('category') 压缩分组列内存。
窗口函数计算多指标（如滚动均值+滚动分位数）必须用 rolling 链式调用吗？
不是必须链式，但必须注意顺序：df.sort_values('ts').rolling(7, on='ts').agg({'x': 'mean', 'y': lambda s: s.quantile(0.9)}) 这样写会失败——rolling 的 on 参数要求时间列必须是 datetime 类型且已排序，否则触发 ValueError: index must be monotonic。
立即学习“Python免费学习笔记（深入）”；
实操建议：
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
- 先确保时间列是
pd.to_datetime(df['ts'])，再sort_values+reset_index(drop=True) - 多指标不同窗口长度？别硬塞进一个
rolling：分开算再pd.concat，比如df['ma7'] = df['val'].rolling(7).mean()和df['ma30'] = df['val'].rolling(30).mean() - 分位数这类非内置函数，用
rolling(...).apply(lambda x: np.nanpercentile(x, 90), raw=True)，加raw=True能提速 2–3 倍
大数据量下 pandas 窗口计算慢，能换 dask 吗？
能，但窗口函数支持有限：dask.dataframe 的 rolling 只支持基础聚合（sum/mean/count），不支持 quantile、apply 或自定义函数。而且 rolling 必须基于索引（不能用 on= 参数），所以得先 set_index('ts') 再算，对无序时间数据很不友好。
真正可行的替代路径：
- 用
polars：语法接近 pandas，pl.col('x').rolling_mean(window_size=7)支持多列并行，百万行内基本秒出 - 若必须用 spark：把数据转成
spark.sql.DataFrame，用F.window+over(Window.partitionBy(...).orderBy(...))，但要注意rangeBetween对时间窗口更稳，比rowsBetween少踩时区和重复时间戳的坑 - 纯 Python 大数据流式处理？用
itertools.islice手写滑动窗口 +heapq维护滚动分位数，适合单指标高频更新场景
如何让分组聚合和窗口计算结果合并到原表（类似 SQL 的 GROUP BY + OVER）？
关键不是拼接，而是对齐索引。pandas 中最常错的是直接 df.merge(grouped_df, on='group_id')，结果爆炸——因为分组后行数远少于原表。正确做法是用 transform 或 map：
df['group_avg_sales'] = df.groupby('region')['sales'].transform('mean') —— 这会广播回原表每行，长度不变；df['rolling_max_7d'] = df.sort_values('date').groupby('region')['sales'].rolling(7).max().reset_index(level=0, drop=True) —— 注意这里 reset_index 是为了把 multiindex 拉平，否则无法赋值给原 df。
容易被忽略的一点：如果分组字段本身有重复值（比如同一 region 多次出现），transform 没问题，但 map 会因 Series 索引去重而丢数据，务必检查 grouped_result.index.is_unique。
