python - Groupby 并在 pandas 中执行具有多种功能的聚合

Question

我有以下数据框:

date          in   out  balance

01/01/2017    50    70    100
02/01/2017    100   10    190
...           ...   ...   ...

我正在使用以下代码创建一个摘要文件(按月分组):

df2 = df.groupby(pd.TimeGrouper(freq='M'))
df2 = df.agg({'total_in': 'sum', 'total_out': 'sum', 'balance': 'last'})

但是，我还想创建“最大输入”和“最大输出”列。

我尝试了以下方法

df2 = df2.agg({'total_in': 'sum', 'total_out': 'sum', 'largest in': 'max', 'largest out': 'max', 'balance': 'last'})

但是，这会为新列抛出一个键错误。我曾希望我可以在 Agg 语句中创建新列，但事实并非如此。

现在我当然可以在普通数据库中添加这些列 - 但这些值在每天的基础上相对没有意义，而且这似乎是对处理能力的浪费/一些应该能够更有效地完成的事情.

有更好的方法吗？

Answer 1

这里有几点需要注意——

1. agg 接受一个dict。在这种情况下，键是要对其执行聚合的列，值是一个函数或函数列表。
2. pd.TimeGrouper 已弃用(自 v0.21 起)。请改用 pd.Grouper。

这是我推荐的做法，假设 date 不是索引的一部分 -

f = {
        'in'      :  [('total_in', sum), ('largest_in', max)], 
        'out'     :  [('total_out', sum), ('largest_out', max)], 
        'balance' :  'last'
}
df = df.groupby(pd.Grouper(key='date', freq='1M')).agg(f)

每个元组由两个元素组成 - 第一个元素(例如，total_in)是结果列的名称，而第二个元素(例如，sum)是应用到键上的函数。输出将是一个带有 MultiIndex 列的数据框。

请注意，如果 date 已经是索引的一部分，您可以删除 key='date' 位。