Python 如何在Pandas中的一组空列上执行groupby？

我偶然发现了一件关于熊猫的案子。我正在尝试使用agg fn，但没有进行分组。假设我希望在整个

数据帧上进行聚合，即

from pandas import *
DF = DataFrame( randn(5,3), index = list( "ABCDE"), columns = list("abc") )
DF.groupby([]).agg({'a' : np.sum, 'b' : np.mean } ) # <--- does not work

从导入*
DF=数据帧（randn（5,3），索引=列表（“ABCDE”），列=列表（“abc”））
DF.groupby（[]）.agg（{'a'：np.sum，'b'：np.mean}）#也不是很好，但是对于这种情况，如果传递一个返回True的函数，至少不需要更改
DF
：

>>> from pandas import *
>>> df = DataFrame( np.random.randn(5,3), index = list( "ABCDE"), columns = list("abc") )
>>> df.groupby(lambda x: True).agg({'a' : np.sum, 'b' : np.mean } )
             a         b
True  1.836649 -0.692655
>>> 
>>> df['total'] = 'total'
>>> df.groupby(['total']).agg({'a' : np.sum, 'b' : np.mean } ) 
              a         b
total                    
total  1.836649 -0.692655

您可以使用各种内置项，而不是
lambda x:True
，但它们不太明确，只能意外工作。
使用类似的
数据帧。聚合方法是一个好主意。在此处创建问题：

Cool@Wes MCKinney-也许你也可以让DF.groupby（[]）返回DF？ThxI还注意到，对于某些函数，如
np.std
，这会给出一个错误：
索引器：0-d数组不能被索引。
。这似乎扼杀了熊猫系列的额外结构。如果您使用
lambda x:np.std（x.values）
作为传入函数，这将修复它。但这似乎是熊猫的责任。也许是一种“尝试-捕获”的方法，如果它不能按原样工作，那么在放弃之前也可以尝试将其应用于column.values？避免这种情况可能有很好的理由；只是一个建议。你能报告一个重现你所看到的问题吗？