Pandas Dataframe 中分组的多重聚合

Posted 2023-03-11

【中文标题】Pandas Dataframe 中分组的多重聚合

【英文标题】：Multiple aggregation in group by in Pandas Dataframe

【发布时间】：2016-06-24 10:33:19

【问题描述】：

SQL : Select Max(A) , Min (B) , C from Table group by C 

我想在 pandas 中对数据框执行相同的操作。我离得越近：

DF2= DF1.groupby(by=['C']).max() 

我在哪里获得两列的最大值，我如何在分组时执行多个操作。

【参考方案1】：

你可以使用函数agg:

DF2 = DF1.groupby('C').agg('A': max, 'B': min)

示例：

print DF1
   A   B  C  D
0  1   5  a  a
1  7   9  a  b
2  2  10  c  d
3  3   2  c  c

DF2 = DF1.groupby('C').agg('A': max, 'B': min)

print DF2
   A  B
C      
a  7  5
c  3  2

GroupBy-fu: improvements in grouping and aggregating data in pandas - 很好的解释。

【参考方案2】：

试试agg()函数：

import numpy as np
import pandas as pd


df = pd.DataFrame(np.random.randint(0,5,size=(20, 3)), columns=list('ABC'))
print(df)

print(df.groupby('C').agg('A': max, 'B':min))

输出：

    A  B  C
0   2  3  0
1   2  2  1
2   4  0  1
3   0  1  4
4   3  3  2
5   0  4  3
6   2  4  2
7   3  4  0
8   4  2  2
9   3  2  1
10  2  3  1
11  4  1  0
12  4  3  2
13  0  0  1
14  3  1  1
15  4  1  1
16  0  0  0
17  4  0  1
18  3  4  0
19  0  2  4
   A  B
C
0  4  0
1  4  0
2  4  2
3  0  4
4  0  1

或者你可能想检查pandas.read_sql_query()函数...

【参考方案3】：

你可以使用agg函数

import pandas as pd
import numpy as np

df.groupby('something').agg('column1': np.max, 'columns2': np.min)