pandas：如何按多列分组并对多列执行不同的聚合？答案

【问题标题】：pandas: how to group by multiple columns and perform different aggregations on multiple columns?pandas：如何按多列分组并对多列执行不同的聚合？
【发布时间】：2018-05-29 00:05:23
【问题描述】：

假设我有一张如下所示的表格：

Company      Region     Date           Count         Amount
AAA          XXY        3-4-2018       766           8000
AAA          XXY        3-14-2018      766           8600
AAA          XXY        3-24-2018      766           2030
BBB          XYY        2-4-2018        66           3400
BBB          XYY        3-18-2018       66           8370
BBB          XYY        4-6-2018        66           1380

我想去掉 Date 列，然后按 Company AND region 聚合以求 Count 和 sum of Amount 的平均值 .

预期输出：

Company      Region     Count         Amount
AAA          XXY        766           18630
BBB          XYY        66            13150

我在这里查看了这篇文章以及许多其他在线文章，但似乎它们只执行一种聚合操作（例如，我可以按多列聚合，但只能产生一列输出作为总和或计数， NOT sum AND count)

Rename result columns from Pandas aggregation ("FutureWarning: using a dict with renaming is deprecated")

有人可以帮忙吗？

我做了什么：

我在这里关注了这篇文章：

https://www.shanelynn.ie/summarising-aggregation-and-grouping-data-in-python-pandas/

但是，当我尝试使用本文中介绍的方法时（接近文章末尾），通过使用字典：

aggregation = {
    'Count': {
        'Total Count': 'mean'
    },
    'Amount': {
        'Total Amount': 'sum'
    }
}

我会收到这个警告：

FutureWarning: using a dict with renaming is deprecated and will be removed in a future version
  return super(DataFrameGroupBy, self).aggregate(arg, *args, **kwargs)

我知道它现在可以工作，但我想确保我的脚本以后也可以工作。以后如何更新我的代码以兼容？

【问题讨论】：

请同时发布您的预期输出。
@HaleemurAli 添加了！

标签： python pandas pandas-groupby

【解决方案1】：

需要通过单个非嵌套字典聚合，然后 rename 列：

aggregation = {'Count':  'mean', 'Amount': 'sum'}
cols_d = {'Count': 'Total Count', 'Amount': 'Total Amount'}

df = df.groupby(['Company','Region'], as_index=False).agg(aggregation).rename(columns=cols_d)
print (df)
  Company Region  Total Count  Total Amount
0     AAA    XXY          766         18630
1     BBB    XYY           66         13150

用add_prefix 代替rename 的另一种解决方案：

aggregation = {'Count':  'mean', 'Amount': 'sum'}
df = df.groupby(['Company','Region']).agg(aggregation).add_prefix('Total ').reset_index()
print (df)
  Company Region  Total Count  Total Amount
0     AAA    XXY          766         18630
1     BBB    XYY           66         13150

【讨论】：

【解决方案2】：

df.groupby(['Region', 'Company']).agg({'Count': 'mean', 'Amount': 'sum'}).reset_index()

输出：

  Region Company  Count  Amount
0    XXY     AAA    766   18630
1    XYY     BBB     66   13150

【讨论】：

【解决方案3】：

试试这个：

df.groupby(["Company","Region"]).agg({"Count":'mean',"Amount":'sum'})

【讨论】：