Python 一次计算两个值的GroupBy聚合函数

我有一个类似于以下的datafame：

import pandas as pd

df = pd.DataFrame({
    'A': [1, 1, 1, 2, 2, 2],
    'B': [1, 2, 3, 4, 5, 6],
    'C': [4, 5, 6, 7, 8, 9],
})

expected = df.groupby('A').agg([min, max])

#     B       C    
#   min max min max
# A                
# 1   1   3   4   6
# 2   4   6   7   9

现在我想对每个组生成两个值进行分组和聚合。结果应与以下类似：

import pandas as pd

df = pd.DataFrame({
    'A': [1, 1, 1, 2, 2, 2],
    'B': [1, 2, 3, 4, 5, 6],
    'C': [4, 5, 6, 7, 8, 9],
})

expected = df.groupby('A').agg([min, max])

#     B       C    
#   min max min max
# A                
# 1   1   3   4   6
# 2   4   6   7   9

但是，在我的例子中，我没有使用两个不同的函数

min

和

max

，而是使用一个函数同时计算这两个值：

def minmax(x):
    """This function promises to compute the min and max in one go."""
    return min(x), max(x)

现在我的问题是，如何使用这个函数为每个组生成两个聚合值

这有点像，但我不知道怎么做。我能想到的最好方法是使用双重嵌套的

apply

，但是这不是很优雅，而且它会在行而不是列上生成多索引：

result = df.groupby('A').apply(
    lambda g: g.drop(columns='A').apply(
        lambda h: pd.Series(dict(zip(['min', 'max'], minmax(h))))
    )
)

#        B  C
# A          
# 1 min  1  4
#   max  3  6
# 2 min  4  7
#   max  6  9

另一个解决方案：

pd.concat({k:d.agg(minmax).set_axis(['min','max'])
           for k,d in df.drop('A',axis=1).groupby(df['A'])
          })

输出：

       B  C
1 min  1  4
  max  3  6
2 min  4  7
  max  6  9

另一个解决方案：

pd.concat({k:d.agg(minmax).set_axis(['min','max'])
           for k,d in df.drop('A',axis=1).groupby(df['A'])
          })

输出：

       B  C
1 min  1  4
  max  3  6
2 min  4  7
  max  6  9

---

如果您一直使用返回值的

元组的函数。我想：

定义一个新函数，将
元组
值包装到
dict
中，以便预定义
dict.keys（）
以与您希望的列名对齐
对

循环使用谨慎的

，不要浪费时间和空间

包裹函数
小心
进行
循环
我的目标是将此字典传递到
pd.DataFrame
构造函数中。这意味着，我希望键中的
多索引
列元素的元组。我希望值是字典，键是索引元素

dat = {}
for a, d in df.set_index('A').groupby('A'):
    for cn, c in d.iteritems():
        for k, v in minmax_dict(c).items():
            dat.setdefault((cn, k), {})[a] = v

pd.DataFrame(dat).rename_axis('A')

    B       C    
  min max min max
A                
1   1   3   4   6
2   4   6   7   9


补充细节
看看这本特制的词典

data

{('B', 'min'): {1: 1, 2: 4},
 ('B', 'max'): {1: 3, 2: 6},
 ('C', 'min'): {1: 4, 2: 7},
 ('C', 'max'): {1: 6, 2: 9}}

如果您一直使用返回值的
元组的函数。我想：

定义一个新函数，将
元组
值包装到
dict
中，以便预定义
dict.keys（）
以与您希望的列名对齐
对
循环使用谨慎的
，不要浪费时间和空间

包裹函数
小心
进行
循环
我的目标是将此字典传递到
pd.DataFrame
构造函数中。这意味着，我希望键中的
多索引
列元素的元组。我希望值是字典，键是索引元素

dat = {}
for a, d in df.set_index('A').groupby('A'):
    for cn, c in d.iteritems():
        for k, v in minmax_dict(c).items():
            dat.setdefault((cn, k), {})[a] = v

pd.DataFrame(dat).rename_axis('A')

    B       C    
  min max min max
A                
1   1   3   4   6
2   4   6   7   9


补充细节
看看这本特制的词典

data

{('B', 'min'): {1: 1, 2: 4},
 ('B', 'max'): {1: 3, 2: 6},
 ('C', 'min'): {1: 4, 2: 7},
 ('C', 'max'): {1: 6, 2: 9}}

解决方案应等同于df.groupby（'A'）.agg（[min，max]）
，即多索引应位于列上。此外，在组上循环与在groupby对象上使用
apply
没有太大区别，是吗？使用unstack链接解决方案，您应该获得所需的格式。是的，它等同于应用。最后一个建议和@piRSqaured一样，避免使用minmax函数使用
unstack
提供了一个几乎相同的解决方案，唯一的区别是未命名的索引。我的问题中使用的示例可能有点误导，因为它由两个不同的函数组成。在我的用例中，我有一个函数
myfunc
，它不能简单地分成两个函数。唯一的方法是
df.groupby（'A'）.agg（[lambda x:myfunc（x）[0]，lambda x:myfunc（x）[1]]）
，但是
myfunc
的计算成本不低，因此这会浪费大量的计算能力。如果需要名称，请在取消堆栈后将其与
rename_axis（'A'）
链接。好的，这正是我来这里问这个问题的原因，因为堆叠和嵌套这么多函数调用已经不再是真正可读的了。所以我希望有一个更干净的解决方案。无论如何，谢谢你的回答。顺便说一下，您应该更新它以匹配问题的预期结果。解决方案应该相当于
df.groupby（'A'）.agg（[min，max]）
，即多索引应该位于列上。此外，在组上循环与在groupby对象上使用
apply
没有太大区别，是吗？使用unstack链接解决方案，您应该获得所需的格式。是的，它等同于应用。最后一个建议和@piRSqaured一样，避免使用minmax函数使用
unstack
提供了一个几乎相同的解决方案，唯一的区别是未命名的索引。我的问题中使用的示例可能有点误导，因为它由两个不同的函数组成。在我的用例中，我有一个函数
myfunc
，它不能简单地分成两个函数。唯一的方法是
df.groupby（'A'）.agg（[lambda x:myfunc（x）[0]，lambda x:myfunc（x）[1]]）
，但是
myfunc
的计算成本不低，因此这会浪费大量的计算能力。如果需要名称，请在取消堆栈后将其与
rename_axis（'A'）
链接。好的，这正是我来这里问这个问题的原因，因为堆叠和嵌套这么多函数调用已经不再是真正可读的了。所以我希望有一个更干净的解决方案。无论如何，谢谢你的回答。顺便问一下，你应该更新它以匹配问题的预期结果。通过“不要那样做”，你指的是你的答案还是我的目标？我还应该注意到，解决方案应该比简单的
df.groupby（'A'）.agg（[lambda x:minmax（x）[0]，lambda x:minmax（x）[1]]）更有效。
。当然，为了对此进行基准测试，我需要提供一个更复杂的数据帧以及一个更有用的
minmax
实现。当您建议我不应该这样做时，可能会有误解，因为我没有太多选择。为了简化示例，我使用了
minmax
函数，但实际上我有一个函数不能简单地拆分为多个其他函数。事实上，我的函数将每组的数据拟合到一个模型中，然后返回一组拟合参数及其误差估计值（因此实际上不止两个）。生成的数据框应该包含每个组的参数估计值。啊，那就是mak