本文详解如何通过自定义函数工厂配合 groupby().agg() 一次性计算多个字段的任意分位数，并生成语义清晰的列名（如 bell_q10），避免循环拼接，兼顾可读性、简洁性与计算效率。
本文详解如何通过自定义函数工厂配合 `groupby().agg()` 一次性计算多个字段的任意分位数，并生成语义清晰的列名（如 `bell_q10`），避免循环拼接，兼顾可读性、简洁性与计算效率。
在 Pandas 数据分析中，常需对分组数据同时计算多种统计量（如均值、中位数、特定分位数）。虽然 Series.quantile() 和 GroupBy.quantile() 可直接获取分位数，但它们返回的是多级索引 Series，难以与常规聚合（如 "mean"、"median"）统一集成到一次 agg() 调用中——这正是用户遇到的核心痛点：希望用声明式语法（如 ("bell", "q90")）实现“一调用、多结果、好命名”。
解决方案：函数工厂（Function Factory）
关键在于将参数化的 quantile(q) 封装为无参函数，使其能被 agg() 正确识别为聚合器：
def quantile(q=0.5, **kwargs):
def f(series):
return series.quantile(q, **kwargs)
return f该函数返回一个闭包 f，它接收 Series 并调用 series.quantile(q)，完全符合 agg() 对自定义聚合器的签名要求（单参数 Series → 标量或 Series）。
完整示例：混合聚合 + 命名分位数
import pandas as pd
import numpy as np
rng = np.random.default_rng(seed=18860504)
df = pd.DataFrame({
"dummy": 1,
"bell": rng.normal(loc=0, scale=1, size=100),
"fish": rng.poisson(lam=10, size=100),
"cabin": rng.lognormal(mean=0, sigma=1.0, size=100),
})
# 定义分位点（如 q10, q50, q90）
quants = [0.1, 0.5, 0.9]
# 使用函数工厂构建聚合字典
agg_dict = {
# 基础统计量
"bell_med": ("bell", "median"),
"bell_mean": ("bell", "mean"),
"fish_med": ("fish", "median"),
"fish_mean": ("fish", "mean"),
# 分位数（动态命名）
**{f"{col}_q{int(q*100):02d}": (col, quantile(q))
for q in quants
for col in ["bell", "fish"]}
}
result = df.groupby("dummy").agg(**agg_dict)
print(result)输出示例（列名清晰、结果紧凑）：
bell_med bell_mean fish_med fish_mean bell_q10 bell_q50 bell_q90 fish_q10 fish_q50 fish_q90 dummy 1 -0.063454 -0.058557 10.0 9.92 -1.553682 -0.063454 1.452172 7.0 10.0 14.0
注意事项与最佳实践
- ✅ 性能优势：
agg()内部会对每个分组只遍历一次数据，比多次groupby().quantile()更高效； - ⚠️ 命名冲突：确保生成的列名（如
"bell_q10"）不与内置方法名（如"quantile"）重复； - ? 扩展性：可轻松扩展至其他参数化统计（如
std(ddof=0)、rolling(3).mean()），只需调整函数工厂； - ? 兼容性：该方案完全兼容 Pandas 1.4+，且支持
agg()的所有输入格式（元组、字典、列表）； - ? 进阶技巧：若需保留原始分位数索引（如
q10,q50），可改用lambda s: s.quantile(quants)，但此时需额外stack()或unstack()处理层级，牺牲了列命名的直观性。
综上，函数工厂是连接“参数化聚合”与“声明式 agg()”的优雅桥梁——它既保持了代码的可读性与可维护性，又充分发挥了 Pandas 向量化计算的性能潜力。
