我正在使用此数据集census.csv
代码：
df = pd.read_csv('Data/census.csv')
df = df[df['SUMLEV']==50]
print(df.head())
这是我的数据的样子：
SUMLEV REGION DIVISION ... RNETMIG2013 RNETMIG2014 RNETMIG2015
1 50 3 6 ... -2.722002 2.592270 -2.187333
2 50 3 6 ... 22.727626 20.317142 18.293499
3 50 3 6 ... -7.167664 -3.978583 -10.543299
4 50 3 6 ... -5.403729 0.754533 1.107861
5 50 3 6 ... -1.402476 -1.577232 -0.884411
在按“ STNAME”分组后，我想汇总两列：
(df.set_index('STNAME').groupby(level=0)['POPESTIMATE2010','POPESTIMATE2011'].agg(Avg= np.average, Sum = np.sum))
错误：
----> 3 (df.set_index('STNAME').groupby(level=0)['POPESTIMATE2010','POPESTIMATE2011'].agg(Avg= np.average, Sum = np.sum))
f:\software_installations\anaconda3\lib\site-packages\pandas\core\groupby\generic.py in aggregate(self, func, *args, **kwargs)
922 elif func is None:
923 # nicer error message
--> 924 raise TypeError("Must provide 'func' or tuples of '(column, aggfunc).")
925
926 func = _maybe_mangle_lambdas(func)
TypeError: Must provide 'func' or tuples of '(column, aggfunc).
答案 0 :(得分：5)
尽管其他人很快给出了单行代码片段，但我尝试对有关您拥有的选项种类以及熊猫agg()函数所理解的语法有更多解释。 / em>
您要处理的对象的类型是
type(df.set_index('STNAME').groupby(level=0)[['POPESTIMATE2010','POPESTIMATE2011']])
# pandas.core.groupby.generic.DataFrameGroupBy
因此，也许可以开始研究pandas.DataFrameGroupby.agg
的文档了。赋予agg的自变量可以是
(1) string (function name)
(2) function
(3) list of functions
(4) dict of column names -> functions (or list of functions).
如果将函数名称字符串作为参数，则它必须是“ pandas可以理解的函数名称”。可以理解的函数名称至少为：'sum','mean','std'。示例：
In [24]: df.set_index('STNAME').groupby(level=0)[['POPESTIMATE2010','POPESTIMATE2011']].agg('mean')
Out[24]:
POPESTIMATE2010 POPESTIMATE2011
STNAME
Alabama 71420.313433 71658.328358
Alaska 24621.413793 24921.379310
Arizona 427213.866667 431248.800000
...
由于要计算两件事：平均值和和，因此需要两个函数调用。一个带有“平均值”，另一个带有“和”。
您还可以将任何函数作为参数。该函数应将类似数组的数据（pd.Series）作为输入，并从中产生标量值。示例：
In [25]: df.set_index('STNAME').groupby(level=0)[['POPESTIMATE2010','POPESTIMATE2011']].agg(np.mean)
Out[25]:
POPESTIMATE2010 POPESTIMATE2011
STNAME
Alabama 71420.313433 71658.328358
Alaska 24621.413793 24921.379310
...
由于要计算两件事：平均值和和，因此需要两个函数调用。一个带有np.mean，另一个带有np.sum。
您还可以为agg()的参数提供函数列表。示例：
In [27]: df.set_index('STNAME').groupby(level=0)[['POPESTIMATE2010','POPESTIMATE2011']].agg([np.mean, np.sum])
Out[27]:
POPESTIMATE2010 POPESTIMATE2011
mean sum mean sum
STNAME
Alabama 71420.313433 4785161 71658.328358 4801108
Alaska 24621.413793 714021 24921.379310 722720
Arizona 427213.866667 6408208 431248.800000 6468732
...
这样做的好处是您只需要一个函数调用。 如果要使用多列计算相同的操作，请使用此功能
如果您将字典作为agg()的参数，则键必须表示数据框中的列名，并且值应为功能或功能列表。示例：
In [30]: In [27]: df.set_index('STNAME').groupby(level=0)[['POPESTIMATE2010','POPESTIMATE2011']].agg({"POPESTIMATE2010": [np.mean, np.sum], "POPESTIMATE2011": [np.mean, np.sum]})
Out[30]:
POPESTIMATE2010 POPESTIMATE2011
average sum mean sum
STNAME
Alabama 71420.313433 4785161 71658.328358 4801108
Alaska 24621.413793 714021 24921.379310 722720
Arizona 427213.866667 6408208 431248.800000 6468732
...
这样做的好处是您只需要一个函数调用。 如果要用不同的列计算不同的运算，请使用此功能
答案 1 :(得分：2)
怎么样：
df.groupby('STNAME')[['POPESTIMATE2010','POPESTIMATE2011']].agg(['mean', 'sum'])
请注意，在这种情况下，您需要在groupby之后加上双方括号。
答案 2 :(得分：1)
尝试一下
import numpy as np
df.set_index('STNAME').groupby(level=0).agg(
{"POPESTIMATE2010": [np.average, np.sum], "POPESTIMATE2011": [np.average, np.sum]})
答案 3 :(得分：0)
正如您所看到的Error，它清楚地表明我们必须指定（column，aggfunc）的函数或元组。
以下是调用agg函数的正确方法
df.set_index('STNAME').groupby(level=0)[['POPESTIMATE2010','POPESTIMATE2011']].agg(['mean','sum'])
如果您注意到groupby（[[]]）后面的双括号是因为熊猫建议否则，您将收到以下警告
FutureWarning: Indexing with multiple keys (implicitly converted to a tuple of keys) will be deprecated, use a list instead.
另外，您正在使用np.avarage，它可以为空的切片加温，如下所示：
RuntimeWarning: Mean of empty slice.