我正在使用Python进行数据分析，并且我在Ch的一部分上遇到了问题。9（数据聚合和组操作）部分的“使用函数进行分组”。
具体来说，如果我使用GroupBy对象方法或例如Numpy定义的函数，一切都很好。特别是，它忽略包含字符串的列，只对（适当的）数字列进行操作。但是，如果我尝试定义自己的函数来计算一些数值输出，它不会忽略包含字符串的列，并且会返回一个Attribute Error。
下面是我遇到麻烦的例子：

df = DataFrame({'data1':np.random.randn(5),
                'data2':np.random.randn(5),
                'key1':['a','a','b','b','a'],
                'key2':['one','two','one','two','one']})

如果我输入以下任何一个，它都可以正常工作（我将numpy导入为np）：

df.groupby('key1').mean()

或

grouped = df.groupby('key1')

grouped.agg(np.mean())

但是如果我尝试这些，我会得到错误（'peak_to_peak'来自书中）：

def peak_to_peak(arr):
    return arr.max() - arr.min()

grouped.agg(peak_to_peak)

grouped.agg(lambda x: np.mean(x))

尝试'peak_to_peak'会给我一个很大很长的错误，最后是：

TypeError: unsupported operand type(s) for -: 'str' and 'str'

使用np.mean（）尝试lambda函数时，我得到了一个很长的错误，最后是：

TypeError: Could not convert onetwoone to numeric

尝试其他用户定义函数也会产生类似的错误。在所有这些情况下，很明显，它试图将peak_to_peak（）或np.mean（）（或其他）应用于df中的'key2'列（的子集），而对于内置方法和预定义函数，它（正确地）忽略了'key2'列子集。
任何见解将不胜感激。
更新：事实证明，如果我将'peak_to_peak'或lambda函数作为列表传递（例如，grouped.agg（[peak_to_peak]）），它可以正常工作。请注意，这不是书中所介绍的，也不是预定义函数所需的列表。所以，它仍然令人困惑，但至少它的功能，我想。