如何使用 Pandas GroupBy.agg() 對同一列執行多個聚合？

使用Pandas GroupBy.agg() 在同一列上進行多個聚合

在pandas 中，GroupBy.agg() 可以方便地聚合透過對每一列應用函數來取得資料。然而，當將不同的函數應用於同一列時，有必要多次呼叫 agg()。

傳統（不正確）方法：

直觀簡單的方法是be:

df.groupby("dummy").agg({
    "returns": f1, 
    "returns": f2
})

不幸的是，由於重複，這會導致錯誤鍵。

解決方案：

由於agg() 需要字典，所以簡單的解決方案是建立一個包含列名和函數清單的字典：

df.groupby("dummy").agg({
    "returns": [f1, f2]
})

這將產生一個具有兩個聚合輸出的多索引DataFrame。

範例：

考慮以下DataFrame：

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)
})

將平均值和總和套用於「返回」欄位：

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

這將產生：

           returns          
           mean       sum
dummy                    
1      0.036901  0.369012

以上是如何使用 Pandas GroupBy.agg() 對同一列執行多個聚合？的詳細內容。更多資訊請關注PHP中文網其他相關文章！