pandas.groupby().agg()应避免字典值用list，改用named aggregation；groupby默认dropna=true需显式设置；慎用apply，优先内置方法；as_index=false隐性拷贝耗内存，建议reset_index()。
用 pandas.groupby().agg() 时别直接传字典套 list
常见错误是写成 df.groupby('key').agg({'col': ['mean', 'std']})，看似简洁，但内部会触发多重路径判断和冗余计算，尤其在列多、聚合函数多时，性能掉得明显。
实操建议：拆成明确的 named aggregation 写法，让 pandas 提前知道每个输出列名和对应函数，跳过推导逻辑：
df.groupby('key').agg(
mean_val=('col', 'mean'),
std_val=('col', 'std')
)
- 避免用
['mean', 'std']这种 list 形式——它强制 pandas 启动旧式聚合引擎 - 如果必须复用函数逻辑，优先封装为
lambda或命名函数，再传入 tuple，不要塞进 dict value 里 - 注意：Pandas ≥1.3 才完整支持 named aggregation；老版本会静默回退到慢路径
groupby 前先 dropna=False 还是默认丢？
默认情况下 groupby 会自动丢弃 NaN 的分组键（即 dropna=True），这常导致结果行数比预期少，且不易察觉——特别是当你的业务逻辑本该包含空分组时。
实操建议：明确声明 dropna 参数，别依赖默认值：
立即学习“Python免费学习笔记（深入）”；
- 要保留空键分组 → 加
dropna=False，否则NaN键全被过滤，size()和count()行为也不同 -
count()本身不计NaN，但size()计；混用时容易误判“缺失”是数据问题还是分组被删了 - 如果后续要 merge 回原表，没设
dropna=False可能导致 key 对不上，报KeyError或静默丢行
大表聚合卡住？检查是否意外触发 apply 回退
当你写 df.groupby('key').apply(lambda x: x.sort_values('time').tail(1))，看起来只是取每组最新一条，但只要 lambda 里用了非标量操作或返回结构不一致，pandas 就会放弃向量化路径，切到慢得多的 Python 循环模式。
实操建议：优先用内置方法替代 apply：
- 取每组最新/最旧 → 用
idxmax()/idxmin()配合.loc，比如df.loc[df.groupby('key')['time'].idxmax()] - 需要复杂排序后取值 → 先
sort_values整体排，再用groupby(...).head(1)，比apply快 5–10 倍 - 确认是否真需要
apply：打印type(result)，如果是Series或DataFrame且 shape 不统一，基本已掉进回退陷阱
聚合后内存暴涨？小心 as_index=False 的隐性拷贝
很多人加 as_index=False 是为了图方便省去 reset_index()，但它会让 pandas 在聚合阶段就构造新 DataFrame，而不是复用原有索引结构，对大表来说等于白多占一份内存。
实操建议：按需选择索引策略，别无脑关：
- 后续还要继续 groupby 或 join → 保持默认
as_index=True，索引就是天然分组标识，更省内存 - 必须输出平铺表结构 → 用
reset_index()显式调用，比as_index=False更可控，也方便链式调试 - 聚合列名含特殊字符或重复名时，
as_index=False可能引发ValueError: cannot insert xxx, already exists，而reset_index()能提前暴露问题
真正影响性能的往往不是聚合函数本身，而是你没意识到 pandas 正在为你悄悄做哪些事——比如重排索引、推断类型、补全缺失分组。这些动作在小数据上无感，一到百万行以上，延迟和内存就全堆在看不见的地方。
