应用多种聚合操作

分析分组数据时，仅计算平均值或总和等单一汇总统计量通常不够。您可能希望同时查看每个组的几种不同汇总信息。例如，对于每个产品类别，您可能想了解总销售额 和 平均销售额。Pandas 提供了灵活的方法，通过 GroupBy 对象的 agg() 方法来实现这一点。

让我们从一个表示销售数据的示例 DataFrame 开始：

import pandas as pd
import numpy as np

data = {'Category': ['Electronics', 'Clothing', 'Electronics', 'Clothing', 'Groceries', 'Electronics', 'Groceries'],
        'Product': ['Laptop', 'T-Shirt', 'Mouse', 'Jeans', 'Apples', 'Keyboard', 'Bananas'],
        'Sales': [1200, 25, 20, 50, 5, 75, 3],
        'Quantity': [1, 2, 1, 1, 10, 1, 8]}
df = pd.DataFrame(data)

print("原始 DataFrame:")
print(df)

# 按类别分组
grouped = df.groupby('Category')

运行此代码将显示我们的初始数据：

Original DataFrame:
      Category   Product  Sales  Quantity
0  Electronics    Laptop   1200         1
1     Clothing   T-Shirt     25         2
2  Electronics     Mouse     20         1
3     Clothing     Jeans     50         1
4    Groceries    Apples      5        10
5  Electronics  Keyboard     75         1
6    Groceries   Bananas      3         8

使用列表应用多个函数

应用多个聚合函数最简单的方法是向 agg() 方法传递一个函数名称列表（作为字符串）。Pandas 会将列表中的每个函数应用于分组选择中的每个数值列。

# 计算每个类别中销售额和数量的总和与平均值
multi_agg_list = grouped[['Sales', 'Quantity']].agg(['sum', 'mean'])

print("\n使用列表进行多重聚合:")
print(multi_agg_list)

输出显示了每个类别中 'Sales' 和 'Quantity' 列的总和与平均值：

Multiple aggregations using a list:
             Sales        Quantity     
               sum     mean      sum mean
Category                                
Clothing        75    37.50        3  1.5
Electronics   1295  431.67        3  1.0
Groceries        8     4.00       18  9.0

请注意，结果具有分层列标签（MultiIndex）。顶层表示原始列（'Sales'，'Quantity'），第二层表示聚合函数（'sum'，'mean'）。

使用字典为每列指定聚合

如果您想对不同的列应用不同的函数怎么办？例如，您可能希望按类别获取总销售额（sum），但获取平均数量（mean）。您可以通过向 agg() 传递一个字典来实现这一点。字典的键应该是您要聚合的列名，值应该是应用于该特定列的函数（或函数列表）。

# 计算每个类别的销售总额和平均数量
multi_agg_dict = grouped.agg({
    'Sales': 'sum',       # 对 'Sales' 列应用求和
    'Quantity': 'mean'    # 对 'Quantity' 列应用平均值
})

print("\n使用字典进行多重聚合:")
print(multi_agg_dict)

这会得到一个更整洁的输出，没有分层列，因为每个指定的聚合都会产生一个单独的输出列：

Multiple aggregations using a dictionary:
             Sales  Quantity
Category                    
Clothing        75       1.5
Electronics   1295       1.0
Groceries        8       9.0

您还可以使用字典中的列表对特定列应用多个函数：

# 计算销售额的总和与平均值，以及数量的总和
multi_agg_dict_list = grouped.agg({
    'Sales': ['sum', 'mean'], # 对 'Sales' 应用求和与平均值
    'Quantity': 'sum'         # 对 'Quantity' 应用求和
})

print("\n使用函数列表的字典聚合:")
print(multi_agg_dict_list)

现在输出仅在 'Sales' 列中具有分层列，因为对其应用了多个函数：

Dictionary aggregation with a list of functions:
             Sales        Quantity
               sum     mean      sum
Category                          
Clothing        75    37.50        3
Electronics   1295  431.67        3
Groceries        8     4.00       18

命名聚合以获得更清晰的输出

虽然字典方法很有用，但管理潜在复杂的层次结构列名可能会变得繁琐。一种更现代且通常更清晰的方法是使用 命名聚合。这允许您明确定义输出列的名称。

您向 agg() 传递关键字参数，其中关键字是您想要的输出列名。与每个关键字关联的值是一个元组，包含 (要聚合的列名, 聚合函数)。

# 计算每个类别的总销售额、平均数量和产品计数
named_agg = grouped.agg(
    Total_Sales = pd.NamedAgg(column='Sales', aggfunc='sum'),
    Avg_Quantity = pd.NamedAgg(column='Quantity', aggfunc='mean'),
    Num_Products = pd.NamedAgg(column='Product', aggfunc='count') # 对非数值数据也可以聚合
)

print("\n命名聚合以获得更清晰的输出列:")
print(named_agg)

这会生成一个 DataFrame，其列名清晰地反映了执行的特定聚合操作：

Named aggregations for clearer output columns:
             Total_Sales  Avg_Quantity  Num_Products
Category                                            
Clothing              75           1.5             2
Electronics         1295           1.0             3
Groceries              8           9.0             2

当应用多个可能不同的聚合操作时，通常推荐使用这种命名聚合语法（pd.NamedAgg），因为它能使代码更易读，并产生可预测的输出结构。

您甚至可以在 agg() 中应用使用 def 或 lambda 表达式定义的自定义函数，尽管对于标准统计数据，内置函数名（作为字符串）通常已足够且更高效。

能够使用 agg() 计算每个组的多个汇总统计量是数据分析中非常常见且实用的模式，它能让您快速从分组数据中生成有洞察力的汇总信息。