Series.agg()方法是否能在元素级工作取决于传递给它的函数。
必须在传递给Series或传递给Series.apply时工作。
因此，当您传递一个以Series作为参数的函数（例如np.sum()）时，Series.agg()将不会按元素工作，而是通过将传递的函数一次应用于整个Series来进行正确的聚合。
当你传递一个不接受Series作为参数的函数时，Series.agg()将通过把函数传递给Series.apply()来按元素工作，所以在这种情况下不会发生聚合。

Series.agg（）方法是否能在元素级工作取决于传递给它的函数。
其实这也取决于系列的内容!

ser_n = pd.Series([111.0, 222.0, 333.0])
ser_s = pd.Series(['abc', 'qrt', 'xyz'])
max(ser_n)      # 333.0
max(ser_s)      # xyz
ser_n.agg(max)  # 333.0
ser_s.agg(max)  # xyz

但是如果你传递你自己的函数. agg（），当dtype是字符串时，行为会有所不同：

ser_n.agg(lambda s: max(s))     # 333.0
ser_s.agg(lambda s: max(s))     # Series: [0]:'c'  [1]:'t' [2]:'z'

还有：

','.join(ser_s)         # 'abc,qrt,xyz'
ser_s.agg(','.join)     # Series: [0]:'a,b,c' [1]:'q,r,t' [2]:'x,y,z'

仔细观察调用内部发生的情况：

def func(s):
    print('---call:---')
    print(s, type(s))
    return max(s)
print('---result:---\n', ser_n.agg(func), '\n')
print('---result:---\n', ser_s.agg(func), '\n')

---call:---
111.0 <class 'float'>
---call:---
0    111.0
1    222.0
2    333.0
dtype: float64 <class 'pandas.core.series.Series'>
---result:---
 333.0 

---call:---
abc <class 'str'>
---call:---
qrt <class 'str'>
---call:---
xyz <class 'str'>
---result:---
0    c
1    t
2    z
dtype: object

这就像第一次调用测试数据的类型。如果是数值型的-第二次调用接受整个系列。如果是字符串型的-然后继续元素的方式。非常奇怪的一个未记录的行为!

在Pandas中，至少有0.25.3方法aggregate()的行为是基于元素的还是基于整体的，这取决于应用元素的可能性，而不会基于真实的的运行时数据引发异常！看起来，模块文档中也没有对这种奇怪行为的解释。
下面有一段代码可以绕过这个行为。举个例子，我展示了当我们需要计算包括null（和其他N/A）在内的所有元素时的情况，即获取序列的长度。我们可以使用lambda series: len(series)来代替明显但不正确的操作

def agg_len(series: pd.Series) -> int:
    if not isinstance(series, pd.Series):
        raise TypeError('Element-wise behavior is not supposed')
    return len(series)

series.aggregate(agg_len)

顺便说一句，简单的lambda series: len(series)也可能适合你，但前提是你不使用字符串序列或其他加长类型：）