Python 熊猫如何解析df.agg中由name指定的函数

我正在学习熊猫和Numpy，目前正在进行教程的学习。我对Python完全是新手，所以这可能是一个基本的初学者问题

给定此数据帧：

df = pd.DataFrame(np.random.randn(4, 3), columns=['A', 'B', 'C'],
                      index=pd.date_range('1/1/2000', periods=4))
df.iloc[3:7] = np.nan

我无法解释以下结果之间的差异：

电话1：

df.agg(sum)

#Result:
A   NaN
B   NaN
C   NaN
dtype: float64

电话2：

df.agg('sum')

#Result:
A   -1.776752
B   -2.070156
C   -0.124162
dtype: float64

df.agg（'sum'）

的结果与

df.agg（np.sum）

或

df.sum（）

的结果相同。我希望

df.agg（'sum'）

产生与

df.agg（sum）

相同的结果

---

Pandas是否有特殊的逻辑来解析这些函数，以便它更喜欢

np.sum

（或运行

df.sum

）而不是内置的

sum

？

在您链接到的文档中，它说：

还可以将命名方法作为字符串传递

---

因此字符串在数据帧（或序列，如果您在序列上调用

agg

）上解析为方法名。

在您链接到的文档中，它说：

还可以将命名方法作为字符串传递

---

因此字符串被解析为数据帧上的方法名（或者序列，如果你在序列上调用

agg

）

你的意思是我应该把“方法”理解为

DataFrame

或者

Series

用

df.function\u name（）调用的函数吗？（我认为方法与函数的含义完全相同）。这可能就是我所说的细微差别missing@ernest_k：Python中的方法是绑定到对象的函数。因此，如果你正在做
foo.bar（）
，那么
bar
是
foo
的一种方法。这也意味着
agg（'some pandas\u func'）
与
agg（pd.PandasObject.same\u pandas\u func）
=
df.agg（pd.DataFrame.sum）
=
df.agg（'sum'）
。用字符串调用只是到达属于对象的函数的简写。您的意思可能是我应该将“方法”理解为使用
df.function\u name（）调用的
DataFrame
或
Series
函数？（我认为方法与函数的含义完全相同）。这可能就是我所说的细微差别missing@ernest_k：Python中的方法是绑定到对象的函数。因此，如果你正在做
foo.bar（）
，那么
bar
是
foo
的一种方法。这也意味着
agg（'some pandas\u func'）
与
agg（pd.PandasObject.same\u pandas\u func）
=
df.agg（pd.DataFrame.sum）
=
df.agg（'sum'）
。使用字符串调用只是到达属于对象的函数的简写。