Pandas 列上的 groupby() 和 agg() 方法混淆

Question

我可以检查一下有什么区别吗

df[['column1', 'column2']].groupby('column1').agg(['mean', 'count'])

和

df[['column1', 'column2']].groupby('column1').agg({'column2': 'mean', 'column2': 'count'})

在第一个示例中，对不在groupby中的column2执行mean和count 。

在第二个示例中，逻辑相同，但我在agg中明确提到了column2 。

为什么我看不到两者相同的结果？

Answer 1

TLDR

第二条语句的问题必须归因于覆盖该列。

---

至少有三种方法可以执行此声明。

首先让我们构建一个测试数据集：

import pandas as pd
from seaborn import load_dataset

df_tips = load_dataset('tips')

df_tips.head()

声明 1：与您的第一个 wy 相同

df_tips[['sex','size']].groupby(['sex']).agg(['mean','count'])

Output：

            size      
            mean count
sex                   
Male    2.630573   157
Female  2.459770    87

具有多索引列 header 大小和级别 = 1 的 dataframe 这两个聚合。

语句 2：在字典中使用“大小”的聚合列表

df_tips[['sex','size']].groupby(['sex']).agg({'size':['mean','count']})

Output（同上）

            size      
            mean count
sex                   
Male    2.630573   157
Female  2.459770    87

语句 3：使用命名聚合

df_tips[['sex','size']].groupby(['sex']).agg(mean_size=('size','mean'),count_size=('size','count'))

Output：

        mean_size  count_size
sex                          
Male     2.630573         157
Female   2.459770          87

这给出了一个 dataframe，其中包含一个您自己命名的“展平”列 header，但是该名称不得包含空格或特殊字符。

不正确的方法是你的第二种方法

df_tips[['sex','size']].groupby(['sex']).agg({'size':'mean','size':'count'})

输出：

        size
sex         
Male     157
Female    87

这里发生的事情是你得到两列，一个用于每个聚合，但列 header 是相同的“大小”，因此在这种情况下，第一次迭代被第二次“计数”覆盖。