Pandas：如何使用 groupby 进行多个聚合

您可以使用以下基本语法在 pandas 中使用具有多个聚合的 groupby：

 df. groupby (' team '). agg (
    mean_points=(' points ', np. mean ),
    sum_points=(' points ', np. sum ),
    std_points=(' points ', np. std ))

这个特定的公式通过名为team的变量对 DataFrame 的行进行分组，然后计算名为point的变量的几个汇总统计数据。

以下示例展示了如何在实践中使用此语法。

示例：在 Pandas 中使用 Groupby 进行多重聚合

假设我们有以下 pandas DataFrame，其中包含有关各种篮球运动员的信息：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['Mavs', 'Mavs', 'Mavs', 'Heat', 'Heat', 'Heat'],
                   ' points ': [18, 22, 19, 14, 14, 11],
                   ' assists ': [5, 7, 7, 9, 12, 9]})

#view DataFrame
print (df)

   team points assists
0 Mavs 18 5
1 Mavs 22 7
2 Mavs 19 7
3 Heat 14 9
4 Heat 14 12
5 Heat 11 9

我们可以使用以下语法将 DataFrame 的行按team进行分组，然后计算每个团队的平均值、总和和标准差：

 import numpy as np

#group by team and calculate mean, sum, and standard deviation of points
df. groupby (' team '). agg (
    mean_points=(' points ', np. mean ),
    sum_points=(' points ', np. sum ),
    std_points=(' points ', np. std ))

      mean_points sum_points std_points
team			
Heat 13.000000 39 1.732051
Mavs 19.666667 59 2.081666

结果显示每个团队的得分变量的平均值、总和和标准差。

您可以使用类似的语法来执行 groupby 并计算任意数量的聚合。

其他资源

以下教程解释了如何执行其他常见的 panda 任务：

如何使用 Pandas GroupBy 计算唯一值
如何将函数应用于 Pandas Groupby
如何从 Pandas GroupBy 创建条形图