python - 将操作应用于结果中具有多列的多列

Question

在 sql 中，查询看起来像 按 id 从表组中选择 id、avg(x)、avg(y)、max(x)、max(y)它可以转化为对 Pandas 数据框的单一操作吗？我可以获得每个函数的结果，例如

mydf['center_x'] =  mydf.groupby('id')['x'].mean()
mydf['center_y'] =  mydf.groupby('id')['y'].mean()

等等

但它是同一操作的过多调用，加上过多的存储需求(mydf 巨大)。况且最后拿到唯一套有点麻烦。

有什么想法吗？

Answer 1

是的，这是受支持的，请参阅文档 here .

从那里引用:

In [56]: grouped = df.groupby('A')

In [57]: grouped['C'].agg([np.sum, np.mean, np.std])
Out[57]: 
          sum      mean       std
A                                
bar  0.443469  0.147823  0.301765
foo  2.529056  0.505811  0.966450

也许更切合你的问题，你也可以像这样对不同的列做不同的功能:

In [60]: grouped.agg({'C' : np.sum,
   ....:              'D' : lambda x: np.std(x, ddof=1)})
   ....: 
Out[60]: 
            C         D
A                      
bar  0.443469  1.490982
foo  2.529056  0.645875

或者，一个更接近您原始问题的实际示例:

df = pd.DataFrame({"group":list("aaaaabbbbb"), "A":np.random.rand(10), "B":np.random.rand(10)})
df.groupby("group").agg({"A":[np.sum, np.mean], "B":[np.sum, np.mean]})


    A               B
    sum     mean    sum     mean
group               
a   1.450488    0.290098    3.526962    0.705392
b   1.570386    0.314077    2.734465    0.546893