Python 使用熊猫&x27；s groupby（）如何一次获得多个功能？

我有一个基本数据帧（df），它有几个事务，它有一个产品id和一个值，比如说它是销售价格，它不是固定的，所以它将采用以下形式：

id | product_id | sale_price
---+------------+-------------
 1 |          1 |        100
 2 |          1 |        100
 3 |          2 |         98
 4 |          3 |         22
 5 |          1 |         95
   |        ... |        ...

所以现在我想回答以下问题：每个产品的平均价格是多少，每个产品的价格变化是多少，每个产品的销售量是多少

我的工作如下：

means  = pd.DataFrame(df.groupby('item_id')['sale_price'].mean()).reset_index(level=0)
vars   = pd.DataFrame(df.groupby('item_id')['sale_price'].var()).reset_index(level=0)
counts = pd.DataFrame(df.groupby('item_id')['sale_price'].count()).reset_index(level=0)

result = pd.merge(means, vars, on='item_id')
result = pd.merge(result, counts, on='item_id')

---

它做了我想做的，但我认为它非常愚蠢，必须有更好或“正确”的方法来做到这一点。有什么想法吗？

使用

groupby.agg

函数，您可以同时传递多个聚合函数，如下所示：

df.groupby('product_id')['sale_price'].agg(['mean', 'var', 'count'])

---

---

非常感谢，但是是的，这是一个重复的问题。也许我必须学更多的英语，这样我才能找到同一个问题的其他表达方式。

df.groupby('product_id')['sale_price'].agg(['mean', 'var', 'count']).reset_index()
​
#  product_id        mean        var    count
#0          1   98.333333   8.333333        3
#1          2   98.000000        NaN        1
#2          3   22.000000        NaN        1