Панды питона: несколько агрегаций одного столбца

Question

Панды питона: несколько агрегаций одного столбца

учитывая следующий (полностью избыточный) пример фрейма данных

df = pandas.DataFrame({

                       "date":[datetime.date(2012,x,1) for x in range(1,11)], 

                       "returns":0.05*np.random.randn(10), 

                       "dummy":np.repeat(1,10) 

                      })

существует ли встроенный способ применить две разные агрегирующие функции к одному столбцу, не вызывая agg несколько раз?

синтаксически неправильно, но интуитивно правильно, способ сделать это будет:

# Assume `function1` and `function2` are defined for aggregating.

df.groupby("dummy").agg({"returns":function1, "returns":function2})

очевидно, что Python не позволяет дублировать ключи. Есть ли другой способ для выражения ввода в agg? Возможно, список кортежей [(column, function)] будет работать лучше, чтобы разрешить несколько функций, применяемых к одному столбцу? Но похоже, что он принимает только словарь.

есть ли обходной путь для этого, кроме определения вспомогательной функции, которая просто применяет обе функции внутри нее? (Как это будет работать с агрегацией в любом случае?)

580 2

python pandas aggregate

2 ответов:

Comments

Ничего не найдено.

bmu · Accepted Answer · 2016-04-08 15:20:20

Вы можете просто передать функции в качестве списка:

In [20]: df.groupby("dummy").agg({"returns": [np.mean, np.sum]})
Out[20]: 
        returns          
            sum      mean

dummy                    
1      0.285833  0.028583

или как словарь:

In [21]: df.groupby('dummy').agg({'returns':
                                  {'Mean': np.mean, 'Sum': np.sum}})
Out[21]: 
        returns          
            Sum      Mean
dummy                    
1      0.285833  0.028583

Chang She · Accepted Answer · 2012-09-26 04:30:08

будет что-то вроде этой работы:

In [7]: df.groupby('dummy').returns.agg({'func1' : lambda x: x.sum(), 'func2' : lambda x: x.prod()})
Out[7]: 
              func2     func1
dummy                        
1     -4.263768e-16 -0.188565