Python熊猫在多个列上执行相同的聚合

我知道，在pandas中，我可以这样做，即对同一列应用多个聚合：

import pandas as pd
df = pd.DataFrame({'id':[1,1,2,2], 'x1':[0,1,0,1], 'x2':[1,0,1,0],'x3':[0,1,0,1], 'x4':[1,0,1,0]})
df.groupby('id').agg({'x1':['sum', 'max'], 'x2':['sum','max']})

除了这次将相同的聚合应用于多个列之外，是否有语法快捷方式可以执行类似的操作？但是，我也希望执行多种类型的聚合

有效语法示例

df.groupby('id').agg({'x1':sum, 'x2':sum, 'x3':mean, 'x4':mean})

df.groupby('id').agg({['x1', 'x2']:sum, ['x3', 'x4']:mean})

期望结果示例

df.groupby('id').agg({'x1':sum, 'x2':sum, 'x3':mean, 'x4':mean})

df.groupby('id').agg({['x1', 'x2']:sum, ['x3', 'x4']:mean})

---

我知道这不是一个有效的键值对，但希望能说明我的目标。至于我为什么要这样做，我当前的聚合语句越来越长，我正在寻找缩短它的方法。

如果要在字典的键中使用

list

，它在python中无效

---

关闭，您需要的是在

groupby

之后指定列，但它仅适用于一个聚合函数：

df.groupby('id')['x1', 'x2'].sum()

或：

---

如果想要更动态的解决方案，可以创建元组字典，然后展平值，只需要元组中所有值都是唯一的，因为dict按定义具有唯一的键：

d = {('x1', 'x2'):['sum','max'], ('x3', 'x4'):'mean'}
d1 = {x:v for k, v in d.items() for x in k}
print (d1)
{'x1': ['sum', 'max'], 'x2': ['sum', 'max'], 'x3': 'mean', 'x4': 'mean'}

print (df.groupby('id').agg(d1))
    x1      x2       x3   x4
   sum max sum max mean mean
id                          
1    1   1   1   1  0.5  0.5
2    1   1   1   1  0.5  0.5

---

考虑使用

zip

对多列和聚合的等长列表/元组进行词典理解。然后将字典传递到

groupby（）.agg

：

cols = [['x1', 'x2'], ['x3', 'x4']]
aggs = ['sum', 'mean']

d = {c:a for col,a in zip(cols, aggs) for c in col}

df.groupby('id').agg(d) 
#     x1  x2   x3   x4
# id                  
# 1    1   1  0.5  0.5
# 2    1   1  0.5  0.5

---

这对单个聚合确实有效，但我意识到我需要更详细地更新我的问题。