pandas dataframe函数groupby 和 agg

groupby 和 agg 是 pandas 库中非常强大的功能，它们通常一起使用来对数据进行分组和聚合。groupby 函数用于根据一个或多个列的值将数据分组，而 agg 函数则用于对每个分组应用聚合操作。

1.groupby

groupby 函数的基本用法是根据 DataFrame 的一列或多列的值将数据分组。它返回一个 GroupBy 对象，该对象可以进行各种聚合操作。

import pandas as pd  
  
# 创建一个示例 DataFrame  
df = pd.DataFrame({  
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],  
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],  
    'C': np.random.randn(8),  
    'D': np.random.randn(8)  
})  
  
# 使用 'A' 和 'B' 列的值进行分组  
grouped = df.groupby(['A', 'B'])  
  
print(grouped)

2.agg 

agg 函数用于对每个分组应用聚合函数。它可以接受一个函数、函数列表、字典或字符串作为参数。

# 对每个分组计算 'C' 和 'D' 列的总和和平均值  
result = grouped.agg({  
    'C': ['sum', 'mean'],  
    'D': ['sum', 'mean']  
})  
  
print(result)

输出：

                  C                   D
                sum      mean       sum      mean
A   B
bar one   -0.136537 -0.136537  2.350534  2.350534
    three  1.657034  1.657034  1.040096  1.040096
    two    0.818805  0.818805 -0.649179 -0.649179
foo one    2.592593  1.296297  2.480766  1.240383
    three -0.011546 -0.011546  0.282945  0.282945
    two    1.222084  0.611042  1.609539  0.804769

使用自定义函数：

def max_min_diff(series):  
    return series.max() - series.min()  
  
# 使用自定义函数  
result = grouped.agg({  
    'C': ['sum', 'mean', 'std', max_min_diff],  
    'D': ['sum', 'mean', 'std']  
})  
  
print(result)

使用lambda表达式：

# 使用 lambda 表达式计算每个分组的 'C' 列的绝对值的总和  
result = grouped['C'].agg(lambda x: x.abs().sum())  
  
print(result)