Question

我正在努力弄清楚如何为pandas'dataframe.agg()函数组合两种不同的语法。拿这个简单的数据框：

df = pd.DataFrame({'A': ['group1', 'group1', 'group2', 'group2', 'group3', 'group3'],
                   'B': [10, 12, 10, 25, 10, 12],
                   'C': [100, 102, 100, 250, 100, 102]})

>>> df
[output]
        A   B    C
0  group1  10  100
1  group1  12  102
2  group2  10  100
3  group2  25  250
4  group3  10  100
5  group3  12  102

我知道你可以向agg()发送两个函数并获得一个新的数据框，其中每个函数都应用于每一列：

df.groupby('A').agg([np.mean, np.std])

[output]
           B                C            
        mean        std  mean         std
A                                        
group1  11.0   1.414214   101    1.414214
group2  17.5  10.606602   175  106.066017
group3  11.0   1.414214   101    1.414214

我知道你可以将参数传递给一个函数：

df.groupby('A').agg(np.std, ddof=0)

[output]
          B   C
A              
group1  1.0   1
group2  7.5  75
group3  1.0   1

但是有没有办法传递多个函数以及它们中的一个或两个的参数？我希望在文档中找到类似df.groupby('A').agg([np.mean, (np.std, ddof=0)])的内容，但到目前为止还没有运气。有什么想法吗？

Answer 1

嗯，聚合上的docs实际上有点缺乏。可能有一种方法可以通过正确传递参数来处理这个问题，你可以查看pandas的源代码（也许我会稍后）。

但是，你可以很容易地做到：

df.groupby('A').agg([np.mean, lambda x: np.std(x, ddof=0)])

它也会起作用。

Python Pandas：使用Arguments将多个函数传递给agg（）

1 个答案: