Python 分组依据、聚合、包含单独列

以下是我的数据：

foo = pd.DataFrame({
    'accnt' : [101, 102, 103, 104, 105, 101, 102, 103, 104, 105],
    'gender' : [0, 1 , 0, 1, 0, 0, 1 , 0, 1, 0],
    'date' : pd.to_datetime(["2019-01-01 00:10:21", "2019-01-05 00:09:18", "2019-01-05 00:09:30", "2019-02-05 00:05:12", "2019-04-01 00:08:46",
             "2019-04-01 00:11:31", "2019-02-06 00:01:39", "2019-01-26 00:15:14", "2019-01-21 00:12:36", "2019-03-01 00:09:31"]),
    'value' : [10, 20, 30, 40, 50, 5, 2, 6, 48, 96]
                })

即：

   accnt    date                gender  value
0   101  2019-01-01 00:10:21       0    10
1   102  2019-01-05 00:09:18       1    20
2   103  2019-01-05 00:09:30       0    30
3   104  2019-02-05 00:05:12       1    40
4   105  2019-04-01 00:08:46       0    50
5   101  2019-04-01 00:11:31       0    5
6   102  2019-02-06 00:01:39       1    2
7   103  2019-01-26 00:15:14       0    6
8   104  2019-01-21 00:12:36       1    48
9   105  2019-03-01 00:09:31       0    96

我想做以下工作： -按

科目分组

，包括

性别

，将最近的

日期

作为

最近的日期

，将交易数量计算为

txn\u计数

；导致：

  accnt  gender         latest_date        txn_count
   101      0       2019-04-01 00:11:31         2
   102      1       2019-02-06 00:01:39         2
   103      0       2019-01-26 00:15:14         2
   104      1       2019-02-05 00:05:12         2
   105      0       2019-04-01 00:08:46         2

在R中，我可以使用

groupby

和

summary

从

dplyr

中执行此操作：

foo %>% group_by(accnt) %>% 
summarise(gender = last(gender), most_recent_order_date = max(date), order_count = n()) %>% data.frame()

我把

last（gender）

包括在内，因为

gender

对于任何

accnt

都是相同的，所以我也可以取

min

、

max

或

mean

如何使用pandas在python中实现同样的功能

我试过：

foo.groupby('accnt').agg({'gender' : ['mean'],
                          'date': ['max'],
                          'value': ['count']}).rename(columns = {'gender' : "gender",
                                                                 'date' : "most_recent_order_date",
                                                                 'value' : "order_count"})

---

但这会导致“额外”列名。我还想知道，在结果中加入非聚合列（如

gender

）的最佳方式是什么。

很抱歉反应太晚。我找到了一个解决办法

# Pandas Operations
foo = foo.groupby('accnt').agg({'gender' : ['mean'],
                                'date': ['max'],
                                'value': ['count']})

# Drop additionally created column names from Pandas Operations
foo.columns = foo.columns.droplevel(1)

# Rename original column names
foo.rename( columns = { 'date':'latest_date',
                        'value':'txn_count'}, 
            inplace=True)

---

如果您想包含一个额外的非聚合列，只需将一个新列附加到分组的foo数据框架中即可

在R

中总结

将等于

agg

，

变异

等于

转换

在列中有多个索引的原因是：由于您使用

list

传递函数调用，这意味着您可以执行类似

{'date'：['mean'，'sum']}

foo.groupby('accnt').agg({'gender' : 'first',
                          'date': 'max',
                          'value': 'count'}).rename(columns = {'date' : "most_recent_order_date",
                                                                 'value' : "order_count"}).reset_index()
Out[727]: 
   accnt most_recent_order_date  order_count  gender
0    101    2019-04-01 00:11:31            2       0
1    102    2019-02-06 00:01:39            2       1
2    103    2019-01-26 00:15:14            2       0
3    104    2019-02-05 00:05:12            2       1
4    105    2019-04-01 00:08:46            2       0

---

举个例子：这里我为一个

列同时调用了两个函数，这意味着应该有两个
级别
的
索引
，以确保列名称不重复

foo.groupby('accnt').agg({'gender' : ['first','mean']})
Out[728]: 
      gender     
       first mean
accnt            
101        0    0
102        1    1
103        0    0
104        1    1
105        0    0