是否有 pandas 内置的方法可以将两个不同的聚合函数 f1, f2
应用到同一列 df["returns"]
,而无需调用 agg()
多次?
示例数据框:
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)
})
语法错误但直觉上正确的方法是:
# Assume `f1` and `f2` are defined for aggregating.
df.groupby("dummy").agg({"returns": f1, "returns": f2})
显然,Python 不允许重复键。有没有其他方式来表达agg()
的输入?也许元组列表 [(column, function)]
会更好,以允许将多个函数应用于同一列?但是 agg()
似乎只接受字典。
除了定义一个仅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,这如何与聚合一起工作?)
最佳答案
截至 2022 年 6 月 20 日,以下是公认的聚合做法:
df.groupby('dummy').agg(
Mean=('returns', np.mean),
Sum=('returns', np.sum))
pandas
的历史版本包含在首屏下方。
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
关于python - 使用 pandas GroupBy.agg() 对同一列进行多个聚合,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12589481/