使用pandas GroupBy.agg（）对同一列进行多个聚合

Question

是否有一种内置方法可以将两个不同的聚合函数f1、f2应用于同一列df[“returns”]，而无需多次调用agg（）？

示例数据帧：

import pandas as pd
import datetime as dt
import numpy as np

pd.np.random.seed(0)
df = pd.DataFrame({
         "date"    :  [dt.date(2012, x, 1) for x in range(1, 11)], 
         "returns" :  0.05 * np.random.randn(10), 
         "dummy"   :  np.repeat(1, 10)
}) 

语法上错误，但直觉上正确的做法是：

# Assume `f1` and `f2` are defined for aggregating.
df.groupby("dummy").agg({"returns": f1, "returns": f2})

显然，Python不允许重复的键。是否有其他方式来表达输入到agg（）？也许元组列表[（列，函数）]会更好地工作，以允许多个函数应用于同一列？但是agg（）似乎只接受字典。

除了定义一个只应用其中两个函数的辅助函数之外，还有其他解决方法吗？无论如何，这将如何与聚合工作？）

Answer 1

像这样的东西会起作用吗：

In [7]: df.groupby('dummy').returns.agg({'func1' : lambda x: x.sum(), 'func2' : lambda x: x.prod()})
Out[7]: 
              func2     func1
dummy                        
1     -4.263768e-16 -0.188565

Answer 2

太长，读不下去了Pandasgroupby.agg有一个新的、更简单的语法，用于指定（1）多个列上的聚合，以及（2）一个列上的多个聚合。所以，为熊猫做这件事

df.groupby('dummy').agg(Mean=('returns', 'mean'), Sum=('returns', 'sum'))

           Mean       Sum
dummy                    
1      0.036901  0.369012

或

df.groupby('dummy')['returns'].agg(Mean='mean', Sum='sum')

           Mean       Sum
dummy                    
1      0.036901  0.369012

Pandas已经改变了GroupBy.agg的行为，支持使用更直观的语法来指定命名聚合。请参阅0.25文档中关于增强功能以及相关GitHub问题GH18366和GH26512的部分。

根据文件，

为了支持特定于列的聚合并控制输出列名，pandas接受GroupBy.agg（）中的特殊语法，称为“命名聚合”，其中

• 关键字是输出列名
• 值是元组，其第一个元素是要选择的列，第二个元素是要应用于该列的聚合。Pandas为Pandas.namedag namedtuple提供了字段['column'，'aggfunc']，以便更清楚地说明参数是什么。通常，聚合可以是可调用的别名或字符串别名

现在可以通过关键字参数传递元组。元组的格式为(

import pandas as pd

pd.__version__                                                                                                                            
# '0.25.0.dev0+840.g989f912ee'

# Setup
df = pd.DataFrame({'kind': ['cat', 'dog', 'cat', 'dog'],
                   'height': [9.1, 6.0, 9.5, 34.0],
                   'weight': [7.9, 7.5, 9.9, 198.0]
})

df.groupby('kind').agg(
    max_height=('height', 'max'), min_weight=('weight', 'min'),)

      max_height  min_weight
kind                        
cat          9.5         7.9
dog         34.0         7.5

或者，您可以使用pd.namedagh（本质上是一个namedtuple），这使得事情更加明确。

df.groupby('kind').agg(
    max_height=pd.NamedAgg(column='height', aggfunc='max'), 
    min_weight=pd.NamedAgg(column='weight', aggfunc='min')
)

      max_height  min_weight
kind                        
cat          9.5         7.9
dog         34.0         7.5

对于Series更简单，只需将aggfunc传递给关键字参数即可。

df.groupby('kind')['height'].agg(max_height='max', min_height='min')    

      max_height  min_height
kind                        
cat          9.5         9.1
dog         34.0         6.0       

最后，如果您的列名不是有效的python标识符，请使用解压字典：

df.groupby('kind')['height'].agg(**{'max height': 'max', ...})

在高达0.24的pandas的最新版本中，如果使用字典指定聚合输出的列名，您将得到一个FutureWarning：

df.groupby('dummy').agg({'returns': {'Mean': 'mean', 'Sum': 'sum'}})
# FutureWarning: using a dict with renaming is deprecated and will be removed 
# in a future version

在v0.20中不建议使用字典重命名列。在熊猫的最新版本中，可以通过传递元组列表来更简单地指定。如果以这种方式指定函数，该列的所有函数都需要指定为（名称、函数）对的元组。

df.groupby("dummy").agg({'returns': [('op1', 'sum'), ('op2', 'mean')]})

        returns          
            op1       op2
dummy                    
1      0.328953  0.032895

或者，

df.groupby("dummy")['returns'].agg([('op1', 'sum'), ('op2', 'mean')])

            op1       op2
dummy                    
1      0.328953  0.032895

Answer 3

您可以简单地将函数作为列表传递：

In [20]: df.groupby("dummy").agg({"returns": [np.mean, np.sum]})
Out[20]:         
           mean       sum
dummy                    
1      0.036901  0.369012

或作为字典：

In [21]: df.groupby('dummy').agg({'returns':
                                  {'Mean': np.mean, 'Sum': np.sum}})
Out[21]: 
        returns          
           Mean       Sum
dummy                    
1      0.036901  0.369012