Pandas - 可以使用两种不同的聚合来聚合两列吗

Pandas

使用Pandas库进行数据处理和分析是数据科学家和分析师的常见工作之一。Pandas提供了许多功能强大的函数和方法，其中之一是聚合数据。聚合是将数据分组并计算统计指标的过程，例如求和、平均值、最大值等。在Pandas中，我们可以使用不同的聚合方法来聚合两列数据。

为了更好地理解这个概念，让我们来看一个简单的例子。假设我们有一个包含学生姓名、科目和分数的数据集。我们想要计算每个学生在每个科目中的总分和平均分。这里，我们可以使用Pandas的groupby函数和agg函数来实现这个目标。

首先，我们需要导入Pandas库并读取数据集。下面是示例代码：

Python
import Pandas as pd
data = {
    '姓名': ['张三', '李四', '王五', '张三', '李四', '王五'],
    '科目': ['数学', '数学', '数学', '英语', '英语', '英语'],
    '分数': [80, 90, 75, 85, 95, 70]
}
df = pd.DataFrame(data)
print(df)

输出结果如下：

   姓名  科目  分数
0  张三  数学  80
1  李四  数学  90
2  王五  数学  75
3  张三  英语  85
4  李四  英语  95
5  王五  英语  70

现在我们有了一个包含学生姓名、科目和分数的数据集。接下来，我们将使用groupby函数和agg函数来聚合数据。下面是示例代码：

Python
grouped = df.groupby(['姓名', '科目']).agg({'分数': ['sum', 'mean']})
print(grouped)

输出结果如下：

       分数      
      sum  mean
姓名 科目         
张三 数学  80  80.0
   英语  85  85.0
李四 数学  90  90.0
   英语  95  95.0
王五 数学  75  75.0
   英语  70  70.0

在上面的代码中，我们首先使用groupby函数按照姓名和科目对数据进行分组。然后，我们使用agg函数对分数列进行聚合操作。在agg函数中，我们传递了一个字典，其中键是要聚合的列名，值是要应用的聚合函数。在这个例子中，我们使用了'sum'和'mean'函数来计算总分和平均分。

使用两种不同的聚合方法聚合两列数据

在上面的例子中，我们只聚合了分数这一列的数据。但是，我们也可以使用不同的聚合方法来聚合其他列的数据。例如，我们可以计算每个学生在每个科目中的最高分和最低分。下面是示例代码：

Python
grouped = df.groupby(['姓名', '科目']).agg({'分数': ['max', 'min']})
print(grouped)

输出结果如下：

       分数    
      max min
姓名 科目       
张三 数学  80  80
   英语  85  85
李四 数学  90  90
   英语  95  95
王五 数学  75  75
   英语  70  70

在上面的代码中，我们使用了'max'和'min'函数来计算每个学生在每个科目中的最高分和最低分。

Pandas库提供了强大的聚合功能，可以轻松地对数据进行分组和计算统计指标。我们可以使用groupby函数和agg函数来实现这个目标。在聚合数据时，可以使用不同的聚合方法来计算不同的统计指标。无论是计算总分、平均分还是最高分和最低分，Pandas都可以满足我们的需求。