Pandas: как переименовать столбцы в функции groupby

Вы можете использовать следующий базовый синтаксис для переименования столбцов в функции groupby() в pandas:

 df. groupby (' group_col '). agg (sum_col1=(' col1 ', ' sum '),
                            mean_col2=(' col2 ', ' mean '),
                            max_col3=(' col3 ', ' max '))

В этом конкретном примере вычисляются три статистических столбца и присваиваются им имена sum_col1 , Mean_col2 и max_col3 .

В следующем примере показано, как использовать этот синтаксис на практике.

Пример: переименование столбцов в функции Groupby в Pandas

Предположим, у нас есть следующий DataFrame pandas:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   ' points ': [30, 22, 19, 14, 14, 11, 20, 28],
                   ' assists ': [5, 6, 6, 5, 8, 7, 7, 9],
                   ' rebounds ': [4, 13, 15, 10, 7, 7, 5, 11]})

#view DataFrame
print (df)

  team points assists rebounds
0 to 30 5 4
1 to 22 6 13
2 A 19 6 15
3 A 14 5 10
4 B 14 8 7
5 B 11 7 7
6 B 20 7 5
7 B 28 9 11

Мы можем использовать следующий синтаксис для группировки строк по столбцу группы , а затем вычислить три агрегированных столбца, указав конкретные имена для агрегированных столбцов:

 #calculate several aggregated columns by group and rename aggregated columns
df. groupby (' team '). agg (sum_points=(' points ', ' sum '),
                       mean_assists=(' assists ', ' mean '),
                       max_rebounds=(' rebounds ', ' max '))

	sum_points mean_assists max_rebounds
team			
A 85 5.50 15
B 73 7.75 11

Обратите внимание, что три агрегированных столбца имеют собственные имена, которые мы указали в функции agg() .

Также обратите внимание, что мы могли бы использовать функции NumPy для вычисления суммы, среднего и максимального значений в функции agg() , если бы захотели.

 import numpy as np

#calculate several aggregated columns by group and rename aggregated columns
df. groupby (' team '). agg (sum_points=(' points ', np. sum ),
                       mean_assists=(' assists ', np. mean ),
                       max_rebounds=(' rebounds ', np. max ))

	sum_points mean_assists max_rebounds
team			
A 85 5.50 15
B 73 7.75 11

Эти результаты соответствуют результатам предыдущего примера.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:

Как вывести список всех имен столбцов в Pandas
Как сортировать столбцы по имени в Pandas
Как удалить повторяющиеся столбцы в Pandas