Python 熊猫的命名转换

我知道我可以在Pandas中命名一个

聚合

，如下所示：

import pandas as pd
import numpy as np

df = pd.DataFrame({'col': [1,2,3],
                   'group' : ['a','a','b']})

    
df.groupby('group').agg(mymean = ('col', 'mean'),
       mymax = ('col', 'max'),
       mymin = ('col', 'min'))

Out[23]: 
       mymean  mymax  mymin
group                      
a         1.5      2      1
b         3.0      3      3

这非常方便，因为我可以创建多个变量并动态命名它们。我想对

.transform（）

（或

.apply（）

）执行同样的操作。 不幸的是，同样的伎俩不起作用：

df.groupby('group').transform(mymean = ('col', 'mean'),
       mymax = ('col', 'max'),
       mymin = ('col', 'min'))
Traceback (most recent call last):

  File "<ipython-input-24-3a6cf53bd93e>", line 1, in <module>
    df.groupby('group').transform(mymean = ('col', 'mean'),

TypeError: transform() missing 1 required positional argument: 'func'

---

您只需执行

assign

df.assign(mymean = df['col1'].mean(),mymax = df['col1'].max())
Out[344]: 
   col1  mymean  mymax
0     1     2.0      3
1     2     2.0      3
2     3     2.0      3

---

天哪！！！就这么简单？

assign

能否与

groupby

一起工作？让我根据Hum。。。我不能让它工作。。。你能？谢谢@ℕʘʘḆḽḘ 如果与groupby链接，我认为

df.merge（df.groupby（'group'）.agg（）.reset_index（））

足够好了~yes。。。但我想知道，如果数据中有空组，那么我们是否会最终出错，从而在调用reset_index（）时将索引弄乱

df.assign(mymean = df['col1'].mean(),mymax = df['col1'].max())
Out[344]: 
   col1  mymean  mymax
0     1     2.0      3
1     2     2.0      3
2     3     2.0      3