使用Pandas .groupby时，为什么要使用.agg而不是直接使用.sum（）函数

Question

在Python中，要按组获取摘要，请使用groupby().agg(fx()); 例如groupby('variable').agg('sum')。那和直接使用功能有什么区别，例如；groupby('variable').sum()？

Answer 1

设置

df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6]})

使用文档的主要好处agg在docs中进行了说明：

使用指定轴上的一项或多项操作进行汇总。

如果需要将单独的操作应用于每个单独的列，请agg使用字典（或函数，字符串或字符串/函数列表），该字典允许您在单个语句中创建该映射。因此，如果您想要sumof的列a，以及themean的列b：

df.agg({'a': 'sum', 'b': 'mean'})

a    6.0

b    5.0

dtype: float64

它还允许您在单个语句中将多个操作应用于单个列。例如，要查找sum，mean和std列a：

df.agg({'a': ['sum', 'mean', 'std']})

        a

sum   6.0

mean  2.0

std   1.0

agg与单个操作一起使用时，结果没有差异。我认为这df.agg('sum')还不如df.sum()，但结果将是相同的：

df.agg('sum')

a     6

b    15

dtype: int64

df.sum()

a     6

b    15

dtype: int64

agg提供的主要好处是应用多个操作的便利。

Answer 2

groupby('variable').agg('sum')如果只传递一个函数，使用可能会过大。通常用于汇总多个功能，例如.agg(['sum', 'mean'])。

当仅传递一个函数时，结果应该是相同的，尽管在.agg()解析参数时会产生更多的开销。

>>> from pandas.util import testing as tm

>>> import numpy as np

>>> np.random.seed(444)

>>> df = tm.makeDataFrame()

>>> grp = df.groupby(df['A'] > 0)

>>> a = grp.agg('sum')

>>> b = grp.sum()

>>> tm.assert_frame_equal(a, b)

.agg()具有多种功能的典型用法如下：

>>> grp[['A', 'C']].agg(('sum', 'mean'))

               A                   C          

             sum      mean       sum      mean

A                                             

False -16.111352 -0.805568  0.423394  0.021170

True    9.435939  0.943594  4.788035  0.478803