详细内容或原文请订阅后点击阅览
Pandas：复杂聚合的高级 GroupBy 技术
本文将指导您使用 Pandas 库了解高级分组技术，以有效地处理这些复杂的场景。
来源:KDnuggets# 简介
#虽然 groupby().sum() 和 groupby().mean() 适合快速检查，但生产级指标需要更强大的解决方案。现实世界的表通常涉及多个键、时间序列数据、权重以及促销、退货或异常值等各种条件。
groupby().sum()
groupby().mean()
这意味着您经常需要计算总计和比率、对每个分段中的项目进行排名、按日历存储桶汇总数据，然后将组统计数据合并回原始行以进行建模。本文将指导您使用 Pandas 库了解高级分组技术，以有效地处理这些复杂的场景。
熊猫# 选择正确的模式
// 使用 agg 将组缩减为一行
//当您希望每组一条记录（例如总计、平均值、中位数、最小/最大值和自定义矢量化缩减）时，请使用 agg。
聚合
输出 = (
df.groupby(['store', 'cat'], as_index=False, sort=False)
.agg(销售额=('rev', '总和'),
订单=('order_id', 'nunique'),
avg_price=('价格', '平均值'))
)
这对于关键绩效指标 (KPI) 表、每周汇总和多指标摘要很有用。
// 使用转换将统计数据广播回行
变换方法返回与输入形状相同的结果。它非常适合在每行上创建所需的功能，例如 z 分数、组内共享或按组填充。
变换
g = df.groupby('store')['rev']
df['rev_z'] = (df['rev'] - g.transform('mean')) / g.transform('std')
df['rev_share'] = df['rev'] / g.transform('sum')
这对于特征建模、质量保证比和插补很有用。
// 使用 apply 自定义每组逻辑
仅当所需逻辑无法用内置函数表达时才使用 apply。它速度较慢且难以优化，因此您应该首先尝试 agg 或 transform。
应用
def capped_mean(s):
q1, q3 = s.quantile([.25, .75])
返回 s.clip(q1, q3).mean()
df.groupby('store')['rev'].apply(capped_mean)
过滤器
// 按多个键分组
南