Python 如何使用groupby将多个函数应用于Pandas中的多个列？

我的df正常

A = pd.DataFrame([[1, 5, 2], [2, 4, 4], [3, 3, 1], [4, 2, 2], [5, 1, 4]],
                 columns=['A', 'B', 'C'], index=[1, 2, 3, 4, 5])

接下来，我得到了我想要的结果

In [62]: A.groupby((A['A'] > 2)).apply(lambda x: pd.Series(dict(
                   up_B=(x.B >= 0).sum(), down_B=(x.B < 0).sum(), mean_B=(x.B).mean(), std_B=(x.B).std(),
                   up_C=(x.C >= 0).sum(), down_C=(x.C < 0).sum(), mean_C=(x.C).mean(), std_C=(x.C).std())))

Out[62]:
       down_B  down_C  mean_B    mean_C     std_B     std_C  up_B  up_C
A                                                                      
False       0       0     4.5  3.000000  0.707107  1.414214     2     2
True        0       0     2.0  2.333333  1.000000  1.527525     3     3

[62]中的

A.groupby（（A['A']>2））.apply（lambda x:pd.Series（dict(
上升B=（x.B>=0.sum（），下降B=（x.B<0.sum（），平均B=（x.B）.mean（），标准B=（x.B）.std（），
上升（x.C>=0.sum（），下降（x.C<0.sum（），平均（x.C）.mean（），标准（x.C）.std（））
出[62]：
向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下，向下
A.
假0 0 4.5 3.0000000.707107 1.414214 2
真0 0 2.0 2.333333 1.000000 1.527525 3 3

这种方法很好，但假设您必须对大量列（15-100）执行此操作，然后您必须在公式中键入所有这些内容，这可能会很麻烦

假设相同的公式适用于所有列。对于大量的列，有没有一种有效的方法可以做到这一点

---

谢谢

因为您要将每个分组列聚合为一个值，所以可以使用

agg

而不是

apply

。可以将函数列表作为输入。这些功能将应用于每一列：

result

具有层次（“多索引”）列。要选择特定列，可以使用：

In [39]: result['B','mean']
Out[39]: 
A
False    4.5
True     2.0
Name: (B, mean), dtype: float64

In [46]: result[[('B', 'mean'), ('C', 'mean')]]
Out[46]: 
         B         C
      mean      mean
A                   
False  4.5  3.000000
True   2.0  2.333333

或者，您可以将多索引的一个级别移动到索引：

In [40]: result.stack()
Out[40]: 
                   B         C
A                             
False up    2.000000  2.000000
      down  0.000000  0.000000
      mean  4.500000  3.000000
      std   0.707107  1.414214
True  up    3.000000  3.000000
      down  0.000000  0.000000
      mean  2.000000  2.333333
      std   1.000000  1.527525

In [39]: result['B','mean']
Out[39]: 
A
False    4.5
True     2.0
Name: (B, mean), dtype: float64

In [46]: result[[('B', 'mean'), ('C', 'mean')]]
Out[46]: 
         B         C
      mean      mean
A                   
False  4.5  3.000000
True   2.0  2.333333

In [40]: result.stack()
Out[40]: 
                   B         C
A                             
False up    2.000000  2.000000
      down  0.000000  0.000000
      mean  4.500000  3.000000
      std   0.707107  1.414214
True  up    3.000000  3.000000
      down  0.000000  0.000000
      mean  2.000000  2.333333
      std   1.000000  1.527525