Python pandas：同时对不同列进行平均和求和分组

我有一个熊猫数据框，看起来如下所示：

Name    Missed    Credit    Grade
A       1         3         10
A       1         1         12      
B       2         3         10
B       1         2         20

我想要的结果是：

Name    Sum1   Sum2    Average
A       2      4      11
B       3      5      15   

基本上是为了得到列

信用

和

缺失

的总和，并对

等级

进行平均。我现在正在做的是在

Name

上进行两个groupby，然后得到sum和average，最后合并两个输出数据帧，这似乎不是最好的方法。我还发现，如果我只想在一个专栏上工作，这是有意义的：

df.groupby('Name')['Credit'].agg(['sum','average'])

但不知道如何为两个柱做一个内衬

您需要通过

字典

然后

重命名

列名称：

d = {'Missed':'Sum1', 'Credit':'Sum2','Grade':'Average'}
df=df.groupby('Name').agg({'Missed':'sum', 'Credit':'sum','Grade':'mean'}).rename(columns=d)
print (df)
      Sum1  Sum2  Average
Name                     
A        2     4       11
B        3     5       15

如果还希望从

名称创建列

：

df = (df.groupby('Name', as_index=False)
       .agg({'Missed':'sum', 'Credit':'sum','Grade':'mean'})
       .rename(columns={'Missed':'Sum1', 'Credit':'Sum2','Grade':'Average'}))
print (df)
  Name  Sum1  Sum2  Average
0    A     2     4       11
1    B     3     5       15

具有命名聚合的解决方案：

df = df.groupby('Name', as_index=False).agg(Sum1=('Missed','sum'), 
                                            Sum2= ('Credit','sum'),
                                            Average=('Grade','mean'))
print (df)
  Name  Sum1  Sum2  Average
0    A     2     4       11
1    B     3     5       15

A = pd.DataFrame.from_dict({'Name':['A','A','B','B'],'Missed':[1,1,2,1],'Credit':[3,1,3,2],'Grades':[10,12,10,20]})

A.groupby('Name').agg({'Missed':'sum','Credit':'sum','Grades':'mean'})