Agg

https://github.com/yeayee/joyful-pandas/blob/master/第3章%20分组.ipynb聚合（Aggregation）

聚合（Aggregation）
（a）常用聚合函数
所谓聚合就是把一个数列，变成一个标量，因此mean/sum/size/count/std/var/sem/describe/first/last/nth/min/max都是聚合函数

group_m = grouped_single['Math']
group_m.std().values/np.sqrt(group_m.count().values)== group_m.sem().values
Out[21]:
array([ True,  True])

标准误差函数

（b）同时使用多个聚合函数

group_m.agg(['sum','mean','std'])
Out[22]:
sum	mean	std
School			
S_1	956.2	63.746667	23.077474
S_2	1191.1	59.555000	17.589305

利用元组进行重命名

In [23]:
group_m.agg([('rename_sum','sum'),('rename_mean','mean')])
Out[23]:
rename_sum	rename_mean
School		
S_1	956.2	63.746667
S_2	1191.1	59.555000

指定哪些函数作用哪些列

In [24]:
grouped_mul.agg({'Math':['mean','max'],'Height':'var'})
Out[24]:
Math	Height
mean	max	var
School	Class			
S_1	C_1	63.78	87.2	183.3
C_2	64.30	97.0	132.8
C_3	63.16	87.7	179.2
S_2	C_1	58.56	83.3	54.7
C_2	62.80	85.4	256.0
C_3	63.06	95.5	205.7
C_4	53.80	67.7	300.2

（c）使用自定义函数

In [25]:
grouped_single['Math'].agg(lambda x:print(x.head(),'间隔'))
#可以发现，agg函数的传入是分组逐列进行的，有了这个特性就可以做许多事情
1101    34.0
1102    32.5
1103    87.2
1104    80.4
1105    84.8
Name: Math, dtype: float64 间隔
2101    83.3
2102    50.6
2103    52.5
2104    72.2
2105    34.2
Name: Math, dtype: float64 间隔
Out[25]:
School
S_1    None
S_2    None
Name: Math, dtype: object

官方没有提供极差计算的函数，但通过agg可以容易地实现组内极差计算

In [26]:
grouped_single['Math'].agg(lambda x:x.max()-x.min())
Out[26]:
School
S_1    65.5
S_2    62.8
Name: Math, dtype: float64

https://blog.csdn.net/qq_16234613/article/details/78245325
http://sofasofa.io/forum_main_post.php?postid=1002654