有没有办法同时在某个列上的 Pandas.groupby 中的 output df.min、df.max 和 df.mean？

Question

所以我需要按“fh_status”列对行进行分组，然后为每个组执行“gini”的最小值、平均值和最大值（将有三个）。 我想出了这段代码：

m = (df2.groupby(['fh_status']).max().iloc[:, 2]) #iloc2 corresponds to gini column
n = (df2.groupby(['fh_status']).min().iloc[:, 2])
e = (df2.groupby(['fh_status']).mean().iloc[:, 2])
nl = '\n'
print(f' mean: {e} {nl} maximum: {m} {nl} minimum:{n}')

output：

mean: fh_status
free           38.170175
not free       39.750000
partly free    43.931250
Name: gini, dtype: float64 
 maximum: fh_status
free           10.0
not free        5.0
partly free     9.0
Name: polity09, dtype: float64 
 minimum:fh_status
free            6.0
not free      -10.0
partly free    -6.0
Name: polity09, dtype: float64

在一个字符串中使用这三种方法不起作用（AFAIK 它只打印后一个命令），所以出现了三个变量，它们有点笨拙。 Output 似乎是正确的，但我很确定有一种方法可以优化这一点并减少代码量。 或者不是吗？

Answer 1

是的，您可以使用.agg(..)并传递操作列表：

df2.groupby('fh_status')['gini'].agg(['min', 'max', 'mean'])

这将生成一个 dataframe 列，聚合（ min ， max ， mean ）作为行，组（您创建.groupby(..)的值）作为行。