GroupBy 聚合函数，一次计算两个值

Question

我的数据名如下：

import pandas as pd

df = pd.DataFrame({
    'A': [1, 1, 1, 2, 2, 2],
    'B': [1, 2, 3, 4, 5, 6],
    'C': [4, 5, 6, 7, 8, 9],
})

现在我想对每个组产生两个值进行分组和聚合。结果应该类似于以下内容：

expected = df.groupby('A').agg([min, max])

#     B       C    
#   min max min max
# A                
# 1   1   3   4   6
# 2   4   6   7   9

但是，在我的例子中，我没有两个不同的函数 min 和 max，而是有一个函数可以同时计算这两个值：

def minmax(x):
    """This function promises to compute the min and max in one go."""
    return min(x), max(x)

现在我的问题是，如何使用这个 one 函数为每个组生成两个聚合值？

这有点与this answer 有关，但我不知道该怎么做。我能想到的最好的办法是使用双重嵌套的apply，但这不是很优雅，而且它会在行而不是列上产生多索引：

result = df.groupby('A').apply(
    lambda g: g.drop(columns='A').apply(
        lambda h: pd.Series(dict(zip(['min', 'max'], minmax(h))))
    )
)

#        B  C
# A          
# 1 min  1  4
#   max  3  6
# 2 min  4  7
#   max  6  9

Answer 1

如果您遇到一个返回 tuple 值的函数。我会：

1. 定义一个新函数，将 tuple 值包装到 dict 中，以便您预定义 dict.keys() 以与您希望的列名称保持一致。
2. 使用谨慎的for 循环，不会浪费时间和空间。

---

包装函数

# Given Function
def minmax(x):
    """This function promises to compute the min and max in one go."""
    return min(x), max(x)

# wrapped function
def minmax_dict(x):
    return dict(zip(['min', 'max'], minmax(x)))

小心for循环

我的目标是将此字典传递给pd.DataFrame 构造函数。这意味着，我想要键中的 MultiIndex 列元素的元组。我希望值是字典，键是索引元素。

dat = {}
for a, d in df.set_index('A').groupby('A'):
    for cn, c in d.iteritems():
        for k, v in minmax_dict(c).items():
            dat.setdefault((cn, k), {})[a] = v

pd.DataFrame(dat).rename_axis('A')

    B       C    
  min max min max
A                
1   1   3   4   6
2   4   6   7   9

---

添加细节

看看精心制作的字典

data

{('B', 'min'): {1: 1, 2: 4},
 ('B', 'max'): {1: 3, 2: 6},
 ('C', 'min'): {1: 4, 2: 7},
 ('C', 'max'): {1: 6, 2: 9}}

Answer 2

另一种解决方案：

pd.concat({k:d.agg(minmax).set_axis(['min','max'])
           for k,d in df.drop('A',axis=1).groupby(df['A'])
          })

输出：

       B  C
1 min  1  4
  max  3  6
2 min  4  7
  max  6  9