Wie kann ich mit Pandas GroupBy.agg() mehrere Aggregationsfunktionen auf dieselbe Spalte anwenden?

Mehrere Aggregationen derselben Spalte mit pandas GroupBy.agg()

Problem:

Wie können Sie mehrere Aggregationsfunktionen (f1, f2) auf dieselbe Spalte („returns“) in einem Pandas DataFrame anwenden? GroupBy.agg() ohne agg() mehrmals aufzurufen?

Intuition:

Es wäre praktisch, eine Syntax wie:

df.groupby("dummy").agg({"returns": [f1, f2]})

Lösung:

Stand 20.06.2022 Folgendes Syntax ist die akzeptierte Praxis:

df.groupby('dummy').agg(
    Mean=('returns', np.mean),
    Sum=('returns', np.sum),
)

Diese Syntax verwendet Tupel, um die (Spalten-, Funktions-)Paare für die Aggregation anzugeben.

Historische Lösungen:

In früheren Versionen von Pandas konnten Sie eine der folgenden Optionen verwenden Lösungen:

• Liste der Funktionen:

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

• Wörterbuch mit Funktionsliste:

  df.groupby('dummy').agg({'returns':
                               {'Mean': np.mean, 'Sum': np.sum}})

Diese früheren Lösungen sind immer noch gültig, aber Die erste Option mit Tupeln gilt mittlerweile als Best Practice.

Das obige ist der detaillierte Inhalt vonWie kann ich mit Pandas GroupBy.agg() mehrere Aggregationsfunktionen auf dieselbe Spalte anwenden?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!