Python 新版本：如何按具有不同聚合统计信息的所有列进行分组

我有一个df，看起来像这样：

     time    volts1    volts2
0   0.000 -0.299072  0.427551
2   0.001 -0.299377  0.427551
4   0.002 -0.298767  0.427551
6   0.003 -0.298767  0.422974
8   0.004 -0.298767  0.422058
10  0.005 -0.298462  0.422363
12  0.006 -0.298767  0.422668
14  0.007 -0.298462  0.422363
16  0.008 -0.301208  0.420227
18  0.009 -0.303345  0.418091

实际上，df有>50列，但为了简单起见，我只显示了3列

我想每n行按这个df分组，比如说5行。我想用

max

聚合

time

，其余的列我想用

mean

聚合。因为有这么多列，我希望能够循环这个，而不必手动执行

我知道我可以这样做，手动浏览并创建所有新列：

df.groupby(df.index // 5).agg(time=('time', 'max'),
                           volts1=('volts1', 'mean'),
                           volts1=('volts1', 'mean'),
                           ...
                           )

但是因为有这么多的列，我想在循环中这样做，比如：

df.groupby(df.index // 5).agg(time=('time', 'max'),
                           # df.time is always the first column
                           [i for i in df.columns[1:]]=(i, 'mean'),
                           )

如果有用：

print(pd.__version__)
1.0.5

---

您可以使用字典：

d = {col: "mean" if not col=='time' else "max" for col in df.columns}
#{'time': 'max', 'volts1': 'mean', 'volts2': 'mean'}
df.groupby(df.index // 5).agg(d)

---

    time    volts1    volts2
0  0.002 -0.299072  0.427551
1  0.004 -0.298767  0.422516
2  0.007 -0.298564  0.422465
3  0.009 -0.302276  0.419159