python - 当使用 Pandas .groupby 时，为什么使用 .agg 而不是直接使用函数，例如 .sum()

Question

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

标签： pythonpandaspandas-groupby

Answer 1

设置

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

文档agg中说明了使用的主要好处：

在指定轴上使用一项或多项操作进行聚合。

如果您有需要应用于每个单独列的单独操作，请使用agg允许您在单个语句中创建该映射的字典（或函数、字符串或字符串/函数列表）。因此，如果您想要sumof columna和meanof column b：

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

a    6.0
b    5.0
dtype: float64

它还允许您将多个操作应用于单个语句中的单个列。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当您使用单个操作时，结果没有区别。我认为这df.agg('sum')不太清楚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

提供的主要好处agg是应用多个操作的便利。