Question

我试图理解这个简单的SQL语句的等价物：

select mykey, sum(Field1) as sum_of_field1, avg(Field1) as avg_field1, min(field2) as min_field2
from df
group by mykey

我知道我可以将字典传递给agg（）函数：

  f = {'Field1':'sum',
         'Field2':['max','mean'],
         'Field3':['min','mean','count'],
         'Field4':'count'
         }

    grouped = df.groupby('mykey').agg(f)

但是，结果列名似乎是由pandas自动选择的：('Field1','sum')等。

有没有办法为列名传递字符串，这样字段不是('Field1','sum')，而是我可以选择的东西，比如sum_of_field1？

感谢。我查看了这里的文档：http://pandas.pydata.org/pandas-docs/stable/groupby.html 但是找不到答案。

Answer 1

您可以将字典字典传递给.agg映射{column: {name: aggfunc}}，例如

In [46]: df.head()
Out[46]:
   Year  qtr  realgdp  realcons  realinvs  realgovt  realdpi  cpi_u      M1  \
0  1950    1   1610.5    1058.9     198.1     361.0   1186.1   70.6  110.20
1  1950    2   1658.8    1075.9     220.4     366.4   1178.1   71.4  111.75
2  1950    3   1723.0    1131.0     239.7     359.6   1196.5   73.2  112.95
3  1950    4   1753.9    1097.6     271.8     382.5   1210.0   74.9  113.93
4  1951    1   1773.5    1122.8     242.9     421.9   1207.9   77.3  115.08

   tbilrate  unemp      pop     infl  realint
0      1.12    6.4  149.461   0.0000   0.0000
1      1.17    5.6  150.260   4.5071  -3.3404
2      1.23    4.6  151.064   9.9590  -8.7290
3      1.35    4.2  151.871   9.1834  -7.8301
4      1.40    3.5  152.393  12.6160 -11.2160

In [47]: df.groupby('qtr').agg({"realgdp": {"mean_gdp": "mean", "std_gdp": "std"},
                                "unemp": {"mean_unemp": "mean"}})
Out[47]:
         realgdp                   unemp
        mean_gdp      std_gdp mean_unemp
qtr
1    4506.439216  2104.195963   5.694118
2    4546.043137  2121.824090   5.686275
3    4580.507843  2132.897955   5.662745
4    4617.592157  2158.132698   5.654902

结果在列中有一个MultiIndex。如果您不想要那个外层，可以使用.columns.droplevel(0)。

Answer 2

我同意这有点令人沮丧，但是我确实发现使用rename方法进行链接可以达到我的目的。另外，当它变得非常复杂时，我将重置列名称。它是documentation，所以它是不可变的，您应该习惯于处理关卡。

基于大熊猫MultiIndex

为函数本身命名生成的聚合。如果您需要重命名，然后可以为像这样的系列

In [67]: (grouped['C'].agg([np.sum, np.mean, np.std])
   ....:              .rename(columns={'sum': 'foo',
   ....:                               'mean': 'bar',
   ....:                               'std': 'baz'})
   ....: )
   ....: 
Out[67]: 
          foo       bar       baz
A                                
bar  0.392940  0.130980  0.181231
foo -1.796421 -0.359284  0.912265

当一个功能有多种用途，而您想以不同的方式命名时，通过下划线删除级别并加入不同级别的documentation会有所帮助。

如果您确实找到了sql语法清理器，则有一个名为question的库可以为您提供这种灵活性。

python pandas：将不同的聚合函数应用于不同的列

2 个答案: