如何使用agg函数对数据进行分组聚合

转载自知乎：侦探L  如何使用agg函数对数据进行分组聚合 - 知乎

在上篇文章中，我们详细地介绍了如何使用groupby函数对数据进行分组。而在python的数据分组中，除了groupby函数之外，agg函数也是我们使用pandas进行数据分析过程中，针对数据分组常用的一条函数。而今天我们就来介绍一下agg函数的用法。

如果说用groupby进行数据分组，可以看做是基于行（或者说是index）操作的话，则agg函数则是基于列的聚合操作。

从实现上看，groupby返回的是一个DataFrameGroupBy结构，这个结构必须调用聚合函数（如sum）之后，才会得到结构为Series的数据结果。在之前关于groupby函数的使用中，大家应该也看出来了，每次用groupby函数后，都是要接类似sum、mean等聚合函数才能输出。

侦探L：如何使用groupby函数对数据进行分组（1）27 赞同 · 1 评论文章正在上传…重新上传取消

而agg是DataFrame的直接方法，返回的也是一个DataFrame。当然，很多功能用sum、mean等等也可以实现。但是agg更加简洁, 而且传给它的函数可以是字符串，也可以自定义，参数是column对应的子DataFrame。

下面我们举几个例子，让大家对agg函数有更直观的体会。

首先，还是一样先建立我们实验要用的数据表。

cities = pd.DataFrame(np.random.randn(5, 5),
     index=['a', 'b', 'c', 'd', 'e'],
     columns=['shenzhen', 'guangzhou', 'beijing', 'nanjing', 'haerbin'])
cities.iloc[2:4,2:4] = np.nan 
cities

可以看到，这是一个列标签为城市名、包含了几个缺失值的数据表。

如果这个时候，我们想看一下按城市分组，然后查看一下各个城市下数据的均值（mean）和总和（sum）呢，应该怎么做呢？

可以有些同学会以下这么做：

好像确实可以这么做，不过如果我们还要再统计个数，中位数这些呢？一个个地打好像可以，但是总觉得十分麻烦。有没有什么更简便的做法呢？答案就是用agg函数！

针对我们上面的例子，我们用agg函数再做一次：

cities[['shenzhen','guangzhou','beijing','nanjing','haerbin']].agg(['sum','mean'])

一次完成！是不是简便得多。

与此同时，对于上面的数据表，我们还可以针对不同的城市，使用不同的聚合函数，只要指定一下就好了：

cities.agg({'shenzhen':['sum'],'beijing':['mean'],'nanjing':['sum','mean']})

可以看到，没指定的城市及函数就没有被输出出来~

groupby函数和agg函数的联用

在我们用pandas对数据进行分组聚合的实际操作中，很多时候会同时使用groupby函数和agg函数。下面我们重新建立一个数据表，然后实验一下：

df = pd.DataFrame({'Country':['China','China', 'India', 'India', 'America', 'Japan', 'China', 'India'], 
 
                   'Income':[10000, 10000, 5000, 5002, 40000, 50000, 8000, 5000],
 
                    'Age':[50, 43, 34, 40, 25, 25, 45, 32]})
df

可以看到在我们的数据表中，有国家（Country）、工资（Income）、年龄（Age）三列数据。

下面我们同时使用groupby和agg函数对该数据表进行分组聚合操作。

df_inc=df.groupby('Country').agg(['min','max','mean'])
df_inc

我们从上述结果可以看到，原本的数据表按照“国家（Country）”进行了分组及相应的聚合方式。

有些时候我们只需要对部分数据进行不同的聚合操作，此时就可以通过字典的方式来实现。比如说下面这样：

df_age={'Age':['max','min','mean']}
df.groupby('Country').agg(df_age)

在我们对数据进行聚合的过程中，除了使用sum（）、max（）等系统自带的聚合函数之外，，大家也可以使用自己定义的函数，使用方法也是一样的~