小开

像这样的东西会有用吗:

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

小开

最佳答案

截至2022-06-20，以下是可接受的聚合实践:

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

下面包含了pandas的历史版本。

你可以简单地以列表的形式传递函数:

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

或者作为字典:

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

小开

TLDR;Pandas groupby.agg有一个新的更简单的语法，用于指定(1)多列上的聚合，以及(2)一列上的多个聚合。因此，要为熊猫>= 0.25执行此操作，请使用

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

熊猫>= 0.25:叫聚合

Pandas改变了GroupBy.agg的行为，以支持更直观的语法来指定命名聚合。参见0.25文档增强部分以及相关的GitHub问题GH18366和GH26512。

从文档来看，

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

这些值是元组，其中第一个元素是要选择的列，第二个元素是要应用到该列的聚合。熊猫提供熊猫。NamedAgg带有字段的命名元组 ['column'， 'aggfunc']使参数更清楚。作为通常，聚合可以是可调用对象或字符串别名

您现在可以通过关键字参数传递一个元组。元组遵循(<colName>, <aggFunc>)的格式。

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，你可以使用pd.NamedAgg(本质上是一个命名元组)，这使事情更显式。

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来说更简单，只需将aggfunc传递给关键字参数。

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，如果你的列名不是有效的python标识符，请使用带有解包的字典:

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

熊猫& lt;０．２５

在0.24之前的pandas最新版本中，如果使用字典为聚合输出指定列名，则会得到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中不支持使用字典重命名列。在最新版本的pandas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

小开

如果需要对多个列应用相同的多个聚合函数，最简单的方法(imo)是使用字典理解。

#setup
df = pd.DataFrame({'dummy': [0, 1, 1], 'A': range(3), 'B':range(1, 4), 'C':range(2, 5)})


# aggregation
df.groupby("dummy").agg({k: ['sum', 'mean'] for k in ['A', 'B', 'C']})

上面的结果是一个带有MultiIndex列的数据框架。如果希望使用平面自定义列名，则可以使用命名聚合(如本文其他答案所建议的那样)。

作为在文件中说明，键应该是输出列名，值应该是命名聚合的元组(column, aggregation function)。由于有多个列和多个函数，这将导致一个嵌套结构。要将其平铺成单个字典，可以使用collections.ChainMap()或嵌套循环。

同样，如果你更喜欢将grouper列(dummy)作为列(而不是索引)，请在groupby()中指定as_index=False。

from collections import ChainMap
# convert a list of dictionaries into a dictionary
dct = dict(ChainMap(*reversed([{f'{k}_total': (k, 'sum'), f'{k}_mean': (k, 'mean')} for k in ['A','B','C']])))
# {'A_total': ('A', 'sum'), 'A_avg': ('A', 'mean'), 'B_total': ('B', 'sum'), 'B_avg': ('B', 'mean'), 'C_total': ('C', 'sum'), 'C_avg': ('C', 'mean')}


# the same result obtained by a nested loop
# dct = {k:v for k in ['A','B','C'] for k,v in [(f'{k}_total', (k, 'sum')), (f'{k}_avg', (k, 'mean'))]}


# aggregation
df.groupby('dummy', as_index=False).agg(**dct)

使用pandas对同一列进行多个聚合

熊猫>= 0.25:叫聚合

熊猫& lt;０．２５