Python 3.x 使用.agg（lambda）而不是.apply（lambda）重写groupby

是否可以根据

.agg

重新编写下面的表达式

我有

sampleGC.groupby(['prime_broker_id', 'country_name'], as_index=False).apply( lambda df, a, b: sum(df[a] * df[b]),'carry_rate', 'notional_current')

哪个输出

prime_broker_id  country_name
CITI             AUSTRALIA       4.929853e+10
                 HONG KONG       2.565716e+11
                 INDONESIA       3.508484e+09
                 JAPAN           9.608675e+11
                 MALAYSIA        9.459922e+10
                 NEW ZEALAND     2.479546e+08

我想将其改写为：

sampleGC.groupby(['prime_broker_id', 'country_name'], as_index=False).agg(
        {"": lambda }

如何通过按照

.agg

重新编写groupby来获得相同的输出（如上所示）？ 我更喜欢这种格式，因为我可以很容易地重命名列并添加其他操作，如求和和和平均值

---

非常感谢

我相信您将能够通过以下方式完成此操作（在数据框中添加一个计算列）：

---

如果仅针对列名，则可以使用

**kwargs

定义

您所需的列名

函数和

应用（您所需的列名）

。不仅针对列名使用.agg无法进行多列计算。Agg将对一列数据执行聚合操作。如果您需要使用两列或更多列，则必须使用agg以外的其他内容，如apply。感谢Scott，了解这一点很有帮助。是否可以在.apply（）中包含多个lambda以便我可以执行不同的操作？比如：.apply（“column\u name1:lambda，column\u name2:lambda….”）我怎么做呢？你可以做一些像

df.groupby（'key'）['col1'，'col2']].agg（{'col1'：'sum'，'col2'：'mean'}）

。你不能使用多个lambda，但是，你可以继续定义你自己的lambda，这样做。

df groupby（'key'）['col1'，'col2'].agg（{'col1'：f1，'col2'：f2}）

。注意，您可以使用agg，因为它们是单列聚合。是的，我考虑过这一点，但当您有多个操作要执行时，效率不是很高……您想要什么类型的效率？执行性能？

sampleGC['calculated'] = sampleGC['carry_rate'] * sampleGC['notional_current']

res = sampleGC.groupby(['prime_broker_id', 'country_name'], as_index=False).apply(lambda gb: gb['calculated'].agg('sum'))