如何计算pandas分组后的自定义聚合

在pandas中，可以使用groupby方法对数据进行分组，然后使用agg方法进行自定义聚合计算。

首先，我们需要使用groupby方法将数据按照指定的列进行分组。例如，假设我们有一个名为df的DataFrame，其中包含两列group和value，我们想要按照group列进行分组，可以使用以下代码：

grouped = df.groupby('group')

接下来，我们可以使用agg方法对分组后的数据进行自定义聚合计算。agg方法可以接受一个字典作为参数，字典的键表示要进行聚合计算的列名，值表示要应用的聚合函数。例如，假设我们想要计算每个分组中value列的平均值和总和，可以使用以下代码：

result = grouped.agg({'value': ['mean', 'sum']})

上述代码将返回一个新的DataFrame，其中包含每个分组的平均值和总和。

除了使用内置的聚合函数，我们还可以使用自定义的聚合函数。自定义聚合函数可以是一个函数或lambda表达式。例如，假设我们想要计算每个分组中value列的中位数，可以使用以下代码：

import numpy as np

median_func = lambda x: np.median(x)
result = grouped.agg({'value': median_func})

上述代码将使用自定义的median_func函数计算每个分组的中位数。

总结起来，计算pandas分组后的自定义聚合的步骤如下：

腾讯云相关产品和产品介绍链接地址：

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云