Eine bessere Möglichkeit, Daten aggregieren und Tabellenstruktur und Spaltennamen mit Pandas

Question

Angenommen, ich habe einen Datensatz wie folgen

df = pd.DataFrame({'x1':['a','a','b','b'], 'x2':[True, True, True, False], 'x3':[1,1,1,1]}) 
df 
    x1  x2 x3 
0 a True 1 
1 a True 1 
2 b True 1 
3 b False 1 

Ich mag oft hält einen groupby-Aggregat Betrieb, wo ich Gruppe von mehreren Spalten durchzuführen und Wenden Sie mehrere Funktionen auf eine Spalte an. Außerdem möchte ich normalerweise keine multi-indexierte, mehrstufige Tabelle. Um dies zu erreichen, brauche ich drei Zeilen Code, die übertrieben erscheinen.

Zum Beispiel

bg = df.groupby(['x1', 'x2']).agg({'x3': {'my_sum':np.sum, 'my_mean':np.mean}}) 
bg.columns = bg.columns.droplevel(0) 
bg.reset_index() 

Gibt es einen besseren Weg? Nicht zu meckern, aber ich komme aus einem R/data.table Hintergrund, wo so etwas wie dieses ist eine nette Einzeiler wie

df[, list(my_sum=sum(x3), my_mean=mean(x3)), by=list(x1, x2)] 

Answer 1

Sie nutzen könnten @ Happy01 Antwort, aber statt as_index=False könnten Sie reset_index zum Ende hinzufügen:

In [1331]: df.groupby(['x1', 'x2'])['x3'].agg({'my_sum':np.sum, 'my_mean':np.mean}).reset_index() 
Out[1331]: 
    x1  x2 my_mean my_sum 
0 a True  1  2 
1 b False  1  1 
2 b True  1  1 

Benchmarking, für reset_index es funktioniert schneller:

In [1333]: %timeit df.groupby(['x1', 'x2'], as_index=False)['x3'].agg({'my_sum':np.sum, 'my_mean':np.mean}) 
100 loops, best of 3: 3.18 ms per loop 

In [1334]: %timeit df.groupby(['x1', 'x2'])['x3'].agg({'my_sum':np.sum, 'my_mean':np.mean}).reset_index() 
100 loops, best of 3: 2.82 ms per loop 

Sie könnten das gleiche wie Ihre Lösung, aber mit einer Linie. Transponieren Ihre Datenrahmen dann reset_index Sie Ihre Spalte oder Ebene 0, dann fallen die Umsetzung zurück und tun reset_index wieder Ihren gewünschten Ausgang zu erreichen:

In [1374]: df.groupby(['x1', 'x2']).agg({'x3': {'my_sum':np.sum, 'my_mean':np.mean}}).T.reset_index(level=0, drop=True).T.reset_index() 
Out[1374]: 
    x1  x2 my_mean my_sum 
0 a True  1  2 
1 b False  1  1 
2 b True  1  1 

Aber es funktioniert langsamer:

In [1375]: %timeit df.groupby(['x1', 'x2']).agg({'x3': {'my_sum':np.sum, 'my_mean':np.mean}}).T.reset_index(level=0, drop=True).T.reset_index() 
100 loops, best of 3: 5.13 ms per loop 

Answer 2

Wie wäre es damit:

In [81]: bg = df.groupby(['x1', 'x2'], as_index=False)['x3'].agg({'my_sum':np.sum, 'my_mean':np.mean}) 

In [82]: print bg 
    x1  x2 my_sum my_mean 
0 a True  2  1 
1 b False  1  1 
2 b True  1  1