Aufruf von agg ohne zuerst groupby anzurufen

Question

Gibt es eine Funktion ähnlich agg, die keinen groupby Aufruf zuerst erfordert?

Zum Beispiel habe ich oft schon eine Agg-Map geschrieben und möchte die Map für die gesamte Tabelle auswerten.

Deshalb möchte ich

data = data.groupby("key").agg({"foo1":"sum", "foo2":"mean"})

zu

data = data.agg({"foo1":"sum", "foo2":"mean"})

ich dies derzeit ändern, indem Sie einen falschen Schlüssel eingeführt wird, und dann auf die Aggregation. Aber das ist ein Hack. Gibt es einen besseren Weg?

Answer 1

UPDATE: als @root im Kommentar vorgeschlagen, wäre es von np.repeat(0, len(df)) einfacher und eleganter zu einer Gruppe sein:

In [5]: df.groupby(np.repeat(0, len(df))).agg({'A':'sum', 'B':'mean', 'C':'min'}) 
Out[5]: 
     B A C 
0 42.9 484 21 

ALTE Antwort:

davon aus, dass Sie einen numerischen haben Index, der immer >= 0 ist:

In [139]: df.groupby(df.index >= 0, as_index=False).agg({'A':'sum', 'B':'mean', 'C':'min'}) 
Out[139]: 
    A  B C 
0 484 42.9 21 

oder unter der Annahme, dass Ihr Index nicht NaN s

In [140]: df.groupby(df.index==df.index, as_index=False).agg({'A':'sum', 'B':'mean', 'C':'min'}) 
Out[140]: 
    A  B C 
0 484 42.9 21 

wenn Ihr Index NaN kann den folgenden Trick, die Nutzung hat:

In [160]: df.groupby(pd.notnull(df.index) | pd.isnull(df.index), as_index=False).agg({'A':'sum', 'B':'mean', 'C':'min'}) 
Out[160]: 
    A  B C 
0 484 42.9 21 

Daten:

In [138]: df 
Out[138]: 
    A B C 
0 34 45 68 
1 71 62 61 
2 39 51 33 
3 38 62 27 
4 16 39 21 
5 94 41 41 
6 14 11 41 
7 76 40 29 
8 44 34 70 
9 58 44 68