Pandas 按多個自定義聚合分組 function 在多個列上

Question

給定數據：

組	數據1	數據2	數據3
一種	2個	1個	2個
一種	4個	6個	3個
b	3個	2個	1個
b	7	3個	5個

預計 output：

組	總和（數據1）	總和（數據 2）/總和（數據 1）	總和（數據 3）/總和（數據 1）
一種	6個	1.166666667	0.83
一種	10	0.5	0.6

假設自定義聚合可以依賴於多個列，而不總是一個簡單的除法運算。 我知道使用 SQL 查詢是可能的，但我對應用和聚合 function 的答案感興趣，如果可能的話。

Answer 1

你可以這樣做：

df2 = df.groupby('grp').sum()
df2.update(df2.drop(columns='data1').div(df2['data1'], axis=0))

或更經典：

df2 = df.groupby('grp').sum()
df2[['data2', 'data3']] = df2[['data2', 'data3']].div(df2['data1'], axis=0)

output：

     data1     data2     data3
grp                           
a        6  1.166667  0.833333
b       10  0.500000  0.600000

多重聚合

您可以對 MultiIndex 使用相同的邏輯：

df2 = df.groupby('grp').agg(['sum', 'mean'])
df2.update(df2.drop(columns='data1').stack(0).div(df2['data1'], axis=0).unstack())

output：

    data1      data2      data3     
      sum mean   sum mean   sum mean
grp                                 
a       6  3.0     7  3.5     5  2.5
b      10  5.0     5  2.5     6  3.0

Answer 2

您可以在此處使用 groupby + assign 來生成所需的聚合。 您可以應用任何需要的聚合 function。

g = df.groupby('grp')
#                                         for custom agg func use .agg(custom_agg_func)
#                                                          ^^^^^
g[['data1']].agg('sum').assign(sum2 = lambda df: g['data2'].sum()/df['data1'],
                               sum3 = lambda df: g['data3'].sum()/df['data1'])
#                ^^^^^^
#    you can use custom agg func of your choice

     data1      sum2      sum3
grp                           
a        6  1.166667  0.833333
b       10  0.500000  0.600000