Python Groupby并使用pandas中的多个函数执行聚合

我有以下数据帧：

date          in   out  balance

01/01/2017    50    70    100
02/01/2017    100   10    190
...           ...   ...   ...

我正在使用以下代码创建摘要文件（按月份分组）：

df2 = df.groupby(pd.TimeGrouper(freq='M'))
df2 = df.agg({'total_in': 'sum', 'total_out': 'sum', 'balance': 'last'})

但是，我还想创建“最大输入”和“最大输出”列

我尝试了以下方法

df2 = df2.agg({'total_in': 'sum', 'total_out': 'sum', 'largest in': 'max', 'largest out': 'max', 'balance': 'last'})

但是，这会为新列抛出一个键错误。 我曾希望可以在Agg语句中创建新的列，但情况似乎并非如此

现在我可以在正常的数据库中添加这些列，但是这些值在每天的基础上都是相对没有意义的，这似乎是对处理能力的浪费/应该能够更有效地完成的事情

---

有更好的方法吗？

这里有几点需要注意-

agg

接受一个

dict

。在本例中，键是要对其执行聚合的列，值是函数或函数列表

pd.TimeGrouper

已弃用（从

v0.21

开始）。改用

pd.Grouper

假设

date

不是索引的一部分，我建议这样做-

f = {
        'in'      :  [('total_in', sum), ('largest_in', max)], 
        'out'     :  [('total_out', sum), ('largest_out', max)], 
        'balance' :  'last'
}
df = df.groupby(pd.Grouper(key='date', freq='1M')).agg(f)

每个元组由两个元素组成-第一个元素（例如，

total_in

）是结果列的名称，而第二个元素（例如，

sum

）是应用于键的函数。输出将是一个带有

多索引

列的数据帧

---

请注意，如果

date

已经是索引的一部分，您可以删除

key='date'

位。

不，它不是这样工作的。关键是要操作的列。该值是一个函数或函数列表。您可以执行

{'total_in'：['sum'，'max']…}

以应用多个聚合，但最终会在

中为
total_创建一个分级列。我可以使用您的代码创建我想要的CSV。非常感谢（祝你新年快乐！）