Python 3.x 熊猫分组命名聚合

我想将pandas从0.25.3升级到版本1 给定一个数据帧

import pandas as pd


d = {'group': [1, 2, 2], 'value': [3, 4, 5]}
df = pd.DataFrame(data=d)

我应该如何迁移以下groupby

aggregation = {
    "value": {
        "min": lambda x: x.min(skipna=True),
    }
}
grouped = (
    df[["group", "value"]]
        .groupby(["group"], as_index=False)
        .agg(aggregation)
)

这无法按预期工作，因为缺少组列。请参阅

grouped.columns的输出

多索引（[（‘组’，“”），
（‘值’、‘最小’）]，
)

vs

索引（['min']，dtype='object'）

我找到的唯一解决方案是也包括
组
列。似乎
因为_index=False
不再起作用了

grouped = (
    df[["group", "value"]]
        .groupby(["group"], as_index=True)
        .agg(
            group=NamedAgg(column='group', aggfunc=lambda x: x.iloc[0]),
            min=pd.NamedAgg(column='value', aggfunc='min')
        )
)

这是熊猫1.0中的一个bug。我提出了这个问题。
升级到pandas 1.1，您的代码将开始工作。

不升级的最简单修复方法是分离聚合和重命名

aggregation = {
    "value": lambda x: x.min(skipna=True),
    
}
grouped = (
    df[["group", "value"]]
        .groupby(["group"], as_index=False)
        .agg(aggregation)
)
grouped.rename(columns={'value':'min'}, inplace=True)

aggregation = {
    "value": lambda x: x.min(skipna=True),
    
}
grouped = (
    df[["group", "value"]]
        .groupby(["group"], as_index=False)
        .agg(aggregation)
)
grouped.rename(columns={'value':'min'}, inplace=True)