本文详解如何在 Pandas 中对多列进行分组（groupby），对指定数值列执行不同聚合（如均值、最小值），并原生、高效地添加分组计数列（count），全程不依赖 apply，保持向量化性能。
本文详解如何在 pandas 中对多列进行分组（groupby），对指定数值列执行不同聚合（如均值、最小值），并**原生、高效地添加分组计数列（count）**，全程不依赖 `apply`，保持向量化性能。
在使用 pandas.DataFrame.groupby() 进行多列分组与聚合时，常需同时计算统计指标（如均值、最小值）和每组样本数量。关键在于：count 是一种标准聚合函数，可与其他 NamedAgg 并列定义，无需额外 apply 或 size() 等易混淆操作。
以您的数据为例——筛选 2018 年及以后的纯电动车（BEV），按 State 和 Make 分组，需计算：
- 平均续航（
Electric Range的均值） - 最早车型年份（
Model Year的最小值） - 每组车辆数量（即
count）
正确写法如下（推荐使用 pd.NamedAgg 显式声明，语义清晰且兼容性好）：
import pandas as pd
# 假设 data 已加载为 DataFrame
filt = (data["Model Year"] >= 2018) & \
(data["Electric Vehicle Type"] == "Battery Electric Vehicle (BEV)")
result = (data[filt]
.groupby(["State", "Make"], sort=False, observed=True, as_index=False)
.agg(
avg_electric_range=pd.NamedAgg(column="Electric Range", aggfunc="mean"),
oldest_model_year=pd.NamedAgg(column="Model Year", aggfunc="min"),
count=pd.NamedAgg(column="Model Year", aggfunc="count") # ✅ 安全：Model Year 为非空 int64，无 NaN 风险
))? 为什么选
Model Year做 count？
因其类型为int64且筛选后无缺失值（filt已确保Model Year >= 2018），故count统计的是该组有效记录数（等价于size()）。若某列含NaN，count会自动忽略缺失值，而size()返回总行数（含 NaN），二者语义不同，需按需选择。
你也可以用任意非空列（如 "VIN (1-10)" 或 "DOL Vehicle ID"）替代 Model Year，只要确保该列在筛选后无缺失即可：
# 等效写法（使用 VIN 列计数） count=pd.NamedAgg(column="VIN (1-10)", aggfunc="count")
✅ 输出结果将包含 State、Make、avg_electric_range、oldest_model_year 和新增的 count 列，结构规整，可直接用于后续过滤（例如：result[result['count'] >= 10] 筛出高频品牌-州组合）。
⚠️ 注意事项：
- 避免使用
.size()方法返回Series后再reset_index(name='count')，虽可行但冗余，破坏链式表达； - 不要误用
agg('count')（未指定 column）——这会尝试对所有列计数，引发KeyError； - 若需严格计数（含 NaN 行），应改用
size（作为聚合函数需配合lambda x: len(x)或通过groupby(...).size().reset_index(name='count')），但本场景中count更符合“有效样本数”的业务含义。
综上，在 agg() 中并列添加 pd.NamedAgg(column=..., aggfunc='count') 是最简洁、高效、可读性强的标准解法，完全遵循 Pandas 最佳实践，兼顾性能与可维护性。
