Python 熊猫-联合df.loc进行多个操作？

是否有方法执行一次

df.loc

查找，然后对行子集执行多个操作

这就是动机。我有两个数据帧，数据在同一个用户上。我在

df_2.groupby（'user_id'）

上循环，然后查找另一个数据帧以分配一些值：

for user, user_df in df_2.groupby('user_id'):
    df_1.loc[df_1.user_id == user, 'value_1'] == user_df.value_1.mean()
    df_1.loc[df_1.user_id == user, 'value_2'] == user_df.value_2.min()

---

我是否可以以某种方式将它们组合起来，只执行一个df.loc，但同时指定两个值

您可以对齐索引，然后使用就地：

---

请注意，这也消除了对循环使用Python级别的

的需要。
我相当肯定以下方法会起作用：

grouped = df_2.groupby('user_id').agg({'value1': 'mean', 'value2': 'min'})
df_1 = df_1.merge(grouped, left_on='user_id', right_index=True, sort=False)

这要求
value1
和
value2
不在
dfu 1
中，否则会有重复的列。如果这是一个潜在的问题，请在合并之前使用
df_1=df_1.drop（columns=['value1'，'value2']，errors='ignore'）
。
提供两个数据帧的示例会很有帮助，例如
df_1.head（10）
和
df_2.head（10）
这里的问题是摘要操作没有我需要的那么灵活——例如，所有列都必须是
.mean（）
。然后只需使用
df_2.groupby（'user_id'，as_index=False）。mean（）
？
grouped = df_2.groupby('user_id').agg({'value1': 'mean', 'value2': 'min'})
df_1 = df_1.merge(grouped, left_on='user_id', right_index=True, sort=False)