Pandas分组后同时定义多聚合函数（含自定义）的实现方法

需求说明 #

需要在一次groupby/agg操作中完成三个任务：

• 计算is_orange与is_non_orange两列的分组总和，保存为新列
• 计算is_orange占两列总和的比例，保存为新列
• 计算melons列的分组总和

原始数据 #

import pandas as pd

df = pd.DataFrame({'location': ['backyard', 'store', 'bank', 'backyard', 'backyard', 'bank', 'store'],
                   'is_orange': [1, 1, 0, 0, 1, 0, 1],
                   'is_non_orange': [0, 0, 1, 1, 0, 1, 0],
                   'melons':     [73, 81, 94, 174, 23, 71, 65]})

问题分析 #

你之前的尝试直接引用原DataFrame的列计算，会对整个数据集操作而非分组后的子数据集，因此无法得到正确结果。需要针对每个分组的子DataFrame编写自定义聚合逻辑。

解决方案 #

使用groupby.agg结合lambda函数，直接对分组后的子DataFrame进行多列运算：

result = df.groupby('location').agg(
    total_orange_non_orange=lambda g: g['is_orange'].sum() + g['is_non_orange'].sum(),
    percentage_oranges=lambda g: g['is_orange'].sum() / (g['is_orange'].sum() + g['is_non_orange'].sum()),
    sum_melons=('melons', 'sum')
).round(2)

print(result)

输出结果 #

total_orange_non_orange  percentage_oranges  sum_melons
location                                                            
backyard                           3                0.66         270
bank                               2                0.00         165
store                              2                1.00         146

补充说明 #

• lambda函数的参数g代表每个分组后的子DataFrame，可直接调用子df的列进行聚合计算
• 对于简单求和操作（如sum_melons），直接使用内置的'sum'字符串参数更高效
• 使用.round(2)对比例列进行小数位数格式化，匹配期望输出

内容的提问来源于stack exchange，提问作者theano_creed_0