相当于
df %>% groupby(col1) %>% summarize(col2_agg=max(col2), col3_agg=min(col3))
是
df.groupby('col1').agg({'col2': 'max', 'col3': 'min'})
哪个返回
col2 col3
col1
1 5 -5
2 9 -9
返回的对象是pandas.DataFrame,其索引名为col1
,列名为col2
和col3
。默认情况下,对数据熊猫进行分组时,会将分组列设置为索引,以进行有效的访问和修改。但是,如果您不希望这样做,可以使用两种方法将其设置col1
为列。
通过as_index=False
:
df.groupby('col1', as_index=False).agg({'col2': 'max', 'col3': 'min'})
致电reset_index
:
df.groupby('col1').agg({'col2': 'max', 'col3': 'min'}).reset_index()
既屈服
col1 col2 col3
1 5 -5
2 9 -9
您还可以将多个函数传递给groupby.agg
。
agg_df = df.groupby('col1').agg({'col2': ['max', 'min', 'std'],
'col3': ['size', 'std', 'mean', 'max']})
这也返回一个DataFrame,但现在它具有用于列的MultiIndex。
col2 col3
max min std size std mean max
col1
1 5 1 1.581139 5 1.581139 -3 -1
2 9 0 3.535534 5 3.535534 -6 0
MultiIndex对于选择和分组非常方便。这里有些例子:
agg_df['col2'] # select the second column
max min std
col1
1 5 1 1.581139
2 9 0 3.535534
agg_df[('col2', 'max')] # select the maximum of the second column
Out:
col1
1 5
2 9
Name: (col2, max), dtype: int64
agg_df.xs('max', axis=1, level=1) # select the maximum of all columns
Out:
col2 col3
col1
1 5 -1
2 9 0
较早(版本0.20.0之前),可以使用字典重命名agg
调用中的列。例如
df.groupby('col1')['col2'].agg({'max_col2': 'max'})
将返回第二列的最大值为max_col2
:
max_col2
col1
1 5
2 9
但是,不建议使用改名方法:
df.groupby('col1')['col2'].agg(['max']).rename(columns={'max': 'col2_max'})
col2_max
col1
1 5
2 9
对于agg_df
上面定义的DataFrame,它可能会很冗长。在这种情况下,可以使用重命名功能来平整这些级别:
agg_df.columns = ['_'.join(col) for col in agg_df.columns]
col2_max col2_min col2_std col3_size col3_std col3_mean col3_max
col1
1 5 1 1.581139 5 1.581139 -3 -1
2 9 0 3.535534 5 3.535534 -6 0
对于类似的操作groupby().summarize(newcolumn=max(col2 * col3))
,您仍然可以通过先用添加新列来使用aggassign
。
df.assign(new_col=df.eval('col2 * col3')).groupby('col1').agg('max')
col2 col3 new_col
col1
1 5 -1 -1
2 9 0 0
这将为新旧列返回最大值,但一如既往,您可以对其进行切片。
df.assign(new_col=df.eval('col2 * col3')).groupby('col1')['new_col'].agg('max')
col1
1 -1
2 0
Name: new_col, dtype: int64
有了groupby.apply
这将是更短:
df.groupby('col1').apply(lambda x: (x.col2 * x.col3).max())
col1
1 -1
2 0
dtype: int64
但是,groupby.apply
将此视为自定义函数,因此不会被向量化。到目前为止,我们传递给的函数agg
(“ min”,“ max”,“ min”,“ size”等)已向量化,这些是这些优化函数的别名。您可以df.groupby('col1').agg('min')
用或替换df.groupby('col1').agg(min)
,它们将全部执行相同的功能。使用自定义功能时,您不会看到相同的效率。df.groupby('col1').agg(np.min)``df.groupby('col1').min()
最后,从0.20版开始,agg
可以直接在DataFrames上使用,而不必先进行分组。