本文详解如何在 pandas `groupby.agg()` 中实现“根据列 a 的条件筛选，对列 b 计算分组均值”，指出直接在 `agg` 中跨列引用的限制，并提供高效、可读性强的预过滤与临时列两种解决方案。
在 Pandas 中，groupby.agg() 的聚合函数（如 'mean' 或自定义 lambda）作用域仅限于当前被聚合的列本身，无法直接访问同组内其他列的值。这意味着你不能在 ('timeframe_change', lambda x: ...) 中引用 timeframe_L —— 即使它们属于同一分组，x 仅代表 timeframe_change 的子序列。
要实现「当 timeframe_change < 0 时，计算同组中 timeframe_L 的均值」这类跨列条件聚合，核心思路是：将逻辑前置到分组之前，而非嵌套在 agg 内部。以下是两种推荐方案：
✅ 方案一：预过滤 + reindex（推荐，语义清晰、性能优）
先用 .query() 或布尔索引筛选出满足条件的行（例如 timeframe_change < 0），再分组聚合，最后用 .reindex() 补齐所有原始分组（避免丢失无匹配项的组）：
import pandas as pd
test = pd.DataFrame({
'Code': [1, 1, 2, 2, 3, 3],
'timeframe_change': [-1, 2, -3, 4, -5, -6], # 注意：此处修正为含负值，以体现效果
'timeframe_L': [10, 20, 30, 40, 50, 60]
})
df = (test
.query('timeframe_change < 0') # 仅保留 timeframe_change < 0 的行
.groupby('Code')
.agg(
Count=('timeframe_L', 'count'), # 满足条件的 timeframe_L 计数
Down_Mean=('timeframe_L', 'mean') # 满足条件的 timeframe_L 均值
)
.reindex(test['Code'].unique()) # 确保所有 Code 都存在，缺失值为 NaN
)
print(df)输出：
Count Down_Mean Code 1 1.0 10.0 2 1.0 30.0 3 2.0 55.0
⚠️ 注意：若原始数据中某 Code 组没有任何 timeframe_change < 0 的记录，则该组在 .query() 后被完全剔除，.reindex() 会将其 Count 和 Down_Mean 设为 NaN，符合统计逻辑。
✅ 方案二：构造条件掩码列 + where()（适合多条件或需复用掩码）
若需同时计算多个基于同一条件的指标，或条件较复杂，可先创建一个临时列，用 .where() 将不满足条件的位置设为 NaN，再在 agg 中对临时列聚合（NaN 会被自动忽略）：
df = (test
.assign(timeframe_L_masked=test['timeframe_L'].where(test['timeframe_change'] < 0))
.groupby('Code')
.agg(
Count=('timeframe_L_masked', 'count'),
Down_Mean=('timeframe_L_masked', 'mean')
)
)结果与方案一一致，且代码更易扩展（例如后续还可加 Up_Mean 对应 timeframe_change >= 0）。
❌ 不推荐：groupby.apply()（低效且易错）
虽然 apply() 允许访问整个子 DataFrame，但其逐组 Python 循环开销大，且易引发 SettingWithCopyWarning 或索引错位问题：
# 反例：避免使用
test.groupby('Code').apply(
lambda g: pd.Series({
'Count': g[g['timeframe_change'] < 0].shape[0],
'Down_Mean': g.loc[g['timeframe_change'] < 0, 'timeframe_L'].mean()
})
)综上，始终优先选择预过滤（.query() / .loc[]）或掩码列（.where()）方式——它们向量化执行、语义明确、性能优异，是 Pandas 条件聚合的最佳实践。
