Anwenden einer Operation auf mehrere Spalten mit mehreren Spalten im Ergebnis

Question

in SQL würde die Abfrage wie select id, avg(x), avg(y), max(x), max(y) from table group by id aussehen kann es in eine einzige Operation auf Pandas Datenrahmen umgewandelt werden? Ich kann jede Funktion Ergebnis erhalten wie

mydf['center_x'] = mydf.groupby('id')['x'].mean() 
mydf['center_y'] = mydf.groupby('id')['y'].mean() 

etc

aber es ist ein übermäßiger Aufruf der gleichen Operation sowie übermäßiger Speicherbedarf (mydf ist sehr groß). Außerdem ist es etwas mühsam, das einzigartige Set am Ende zu bekommen.

Irgendwelche Ideen?

Answer 1

Ja, dies wird unterstützt, siehe Dokumentation here.

, um von dort zu zitieren:

In [56]: grouped = df.groupby('A') 

In [57]: grouped['C'].agg([np.sum, np.mean, np.std]) 
Out[57]: 
      sum  mean  std 
A         
bar 0.443469 0.147823 0.301765 
foo 2.529056 0.505811 0.966450 

Vielleicht mehr relevant für Ihre Fragen, können Sie auch verschiedene Funktionen für verschiedene Spalten wie so tun können:

In [60]: grouped.agg({'C' : np.sum, 
    ....:    'D' : lambda x: np.std(x, ddof=1)}) 
    ....: 
Out[60]: 
      C   D 
A      
bar 0.443469 1.490982 
foo 2.529056 0.645875 

Oder ein praktisches Beispiel noch näher Ihre ursprünglichen Fragen:

df = pd.DataFrame({"group":list("aaaaabbbbb"), "A":np.random.rand(10), "B":np.random.rand(10)}) 
df.groupby("group").agg({"A":[np.sum, np.mean], "B":[np.sum, np.mean]}) 


    A    B 
    sum  mean sum  mean 
group    
a 1.450488 0.290098 3.526962 0.705392 
b 1.570386 0.314077 2.734465 0.546893