我在使用 Pandas 的 groupby 功能时遇到问题。我已阅读 the documentation ，但我无法弄清楚如何将聚合函数应用于多个列并且为这些列具有自定义名称。

这非常接近，但是返回的数据结构有嵌套的列标题:

data.groupby("Country").agg(
        {"column1": {"foo": sum()}, "column2": {"mean": np.mean, "std": np.std}})

(即我想取 column2 的均值和标准差，但将这些列返回为“均值”和“标准差”)

我错过了什么？

最佳答案

对于 Pandas >= 0.25

命名返回的聚合列的功能是reintroduced in the master branch并针对 pandas 0.25。新语法是 .agg(new_col_name=('col_name', 'agg_func') .来自上面链接的 PR 的详细示例:

In [2]: df = pd.DataFrame({'kind': ['cat', 'dog', 'cat', 'dog'],
   ...:                    'height': [9.1, 6.0, 9.5, 34.0],
   ...:                    'weight': [7.9, 7.5, 9.9, 198.0]})
   ...:

In [3]: df
Out[3]:
  kind  height  weight
0  cat     9.1     7.9
1  dog     6.0     7.5
2  cat     9.5     9.9
3  dog    34.0   198.0

In [4]: df.groupby('kind').agg(min_height=('height', 'min'), 
                               max_weight=('weight', 'max'))
Out[4]:
      min_height  max_weight
kind
cat          9.1         9.9
dog          6.0       198.0

根据 this PR，还可以使用多个 lambda 表达式和我之前建议的两步重命名语法(如下)。 .同样，复制 PR 中的示例:

In [2]: df = pd.DataFrame({"A": ['a', 'a'], 'B': [1, 2], 'C': [3, 4]})

In [3]: df.groupby("A").agg({'B': [lambda x: 0, lambda x: 1]})
Out[3]:
         B
  <lambda> <lambda 1>
A
a        0          1

然后是 .rename() ，或一口气:

In [4]: df.groupby("A").agg(b=('B', lambda x: 0), c=('B', lambda x: 1))
Out[4]:
   b  c
A
a  0  0

对于 Pandas <>

unutbu 描述的当前接受的答案是在 Pandas 版本 <= 0.20="" 中执行此操作的好方法。但是，从="" pandas="" 0.20="" 开始，使用此方法会引发警告，指出该语法在="" pandas="" 的="" future="">

系列:

FutureWarning: using a dict on a Series for aggregation is deprecated and will be removed in a future version

数据帧:

FutureWarning: using a dict with renaming is deprecated and will be removed in a future version

根据pandas 0.20 changelog ，聚合时重命名列的推荐方式如下。

# Create a sample data frame
df = pd.DataFrame({'A': [1, 1, 1, 2, 2],
                   'B': range(5),
                   'C': range(5)})

# ==== SINGLE COLUMN (SERIES) ====
# Syntax soon to be deprecated
df.groupby('A').B.agg({'foo': 'count'})
# Recommended replacement syntax
df.groupby('A').B.agg(['count']).rename(columns={'count': 'foo'})

# ==== MULTI COLUMN ====
# Syntax soon to be deprecated
df.groupby('A').agg({'B': {'foo': 'sum'}, 'C': {'bar': 'min'}})
# Recommended replacement syntax
df.groupby('A').agg({'B': 'sum', 'C': 'min'}).rename(columns={'B': 'foo', 'C': 'bar'})
# As the recommended syntax is more verbose, parentheses can
# be used to introduce line breaks and increase readability
(df.groupby('A')
    .agg({'B': 'sum', 'C': 'min'})
    .rename(columns={'B': 'foo', 'C': 'bar'})
)

请参阅 0.20 changelog了解更多详情。

更新 2017-01-03 以回应 @JunkMechanic 的评论。

使用旧式字典语法，可以传递多个 lambda函数到 .agg ，因为这些将使用传递的字典中的键重命名:

>>> df.groupby('A').agg({'B': {'min': lambda x: x.min(), 'max': lambda x: x.max()}})

    B    
  max min
A        
1   2   0
2   4   3

多个函数也可以作为列表传递给单个列:

>>> df.groupby('A').agg({'B': [np.min, np.max]})

     B     
  amin amax
A          
1    0    2
2    3    4

但是，这不适用于 lambda 函数，因为它们是匿名的并且都返回 <lambda> ，这会导致名称冲突:

>>> df.groupby('A').agg({'B': [lambda x: x.min(), lambda x: x.max]})
SpecificationError: Function names must be unique, found multiple named <lambda>

为了避免 SpecificationError ，命名函数可以先验定义，而不是使用 lambda .合适的函数名也避免调用 .rename之后在数据框上。可以使用与上述相同的列表语法传递这些函数:

>>> def my_min(x):
>>>     return x.min()

>>> def my_max(x):
>>>     return x.max()

>>> df.groupby('A').agg({'B': [my_min, my_max]})

       B       
  my_min my_max
A              
1      0      2
2      3      4

关于python - 在 Pandas 聚合函数中命名返回的列？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/19078325/