>>> pd.DataFrame(v).agg(lambda x: np.mean(x))
0    170.4

字符串
上面的内容对你来说很好，因为它被应用在axis=0上，但是如果你传递axis=1，你会得到和Series相同的结果：

>>> pd.DataFrame(v).agg(lambda x: np.mean(x), axis=1)
0    172.0
1    172.0
2    170.0
3    170.0
4    168.0
dtype: float64

型
Dataframe 有两个轴，即0和1，但系列只有一个轴，即0.当您执行v.agg(lambda x: np.mean(x))时，它将分别应用于系列中的每个单独值，这类似于pandas.Series.apply，而当您执行v.agg(np.mean)时，它将应用于整个系列。
查看docs for pandas.Series.agg：

参数：func：function，str，list或dict

用于聚合数据的函数。如果是函数，则必须在传递Series或传递到Series.apply时工作。

看看agg的来源。该方法检查传递的函数是否被向量化，然后返回一个标量，如果不是，则将其应用于每行

# try a regular apply, this evaluates lambdas
        # row-by-row; however if the lambda is expected a Series
        # expression, e.g.: lambda x: x-x.quantile(0.25)
        # this will fail, so we can try a vectorized evaluation

        # we cannot FIRST try the vectorized evaluation, because
        # then .agg and .apply would have different semantics if the
        # operation is actually defined on the Series, e.g. str

字符串
这就是为什么在组合转换和聚合函数时会出现错误：

>>> v.agg([np.mean, lambda x: np.mean(x)])
ValueError: cannot combine transform and aggregation operations

型

Agg通过以不同的方式调用函数来“探测”函数，有时会出错。下面是我如何解决scipy.stats.iqr的情况：

import numpy as np
import scipy.stats

df = <some dataframe>

df.agg(scipy.stats.iqr)  # ok
df.agg(["mean", scipy.stats.iqr])  # !! ValueError: cannot combine transform and aggregation operations

字符串
如果我们制作一个 Package 器，只处理数组而不处理标量，它就可以工作了！

import functools

def only_vector(f):
    "decorator: the function raises ValueError if arg is not an array"
    @functools.wraps(f)
    def wrapper(arg, *args, **kwargs):
        if np.shape(arg) == ():
            raise ValueError("Expected vector argument")
        return f(arg, *args, **kwargs)
    return wrapper

iqr = only_vector(scipy.stats.iqr)
df.agg(["mean", iqr])  # OK

的数据