如何在Python的df.groupby.agg()中按条件对单列应用函数

主要使用R语言，目前正在提升Python数据分析技能。在R中可通过dplyr的group_by()+summarize()，直接在汇总阶段按条件对列计算（比如按type的不同取值计算duration的均值），还能基于新生成的列继续操作。但在Python中使用df.groupby().agg()实现类似逻辑时遇到困难，希望不提前过滤数据集，直接在agg()内生成多个条件计算的列。

R实现示例 #

library(dplyr)

df %>% group_by(user_id) %>%
       summarize(avg_parking_duration = mean(duration[type == "parking"]),
                 avg_reservation_duration =  mean(duration[type == "reservation"])
)

尝试的Python代码（未实现条件筛选） #

df.groupby('user_id').agg(
        avg_parking_duration = ('duration','mean')
    )

# 或
df.groupby('user_id').agg(
        avg_parking_duration = ('duration',lambda x: x.mean())
    )

测试数据集 #

import pandas as pd

u1, u2 = 'user1', 'user2'
data = {'user_id': [u1, u1,u1,u1, u2, u2,u2,u2], 
        'type': ['parking', 'parking', 'reservation', 'reservation','parking', 'parking', 'reservation', 'reservation'],
        'duration': [43,60,20,23,143,290,25,15]}
df = pd.DataFrame.from_dict(data)

方法1：在agg()中使用带条件的Lambda函数 #

直接在agg()里针对每个目标列编写Lambda，利用分组后的DataFrame片段关联type列做条件筛选：

df.groupby('user_id').agg(
    avg_parking_duration=lambda x: x[x['type'] == 'parking']['duration'].mean(),
    avg_reservation_duration=lambda x: x[x['type'] == 'reservation']['duration'].mean()
)

这里Lambda的参数x是分组后的完整DataFrame片段，因此可以直接通过列名访问type和duration，完成条件过滤后计算均值。

方法2：用assign()生成标记列后聚合（可读性更高） #

先通过assign()添加两个标记列，将不符合条件的行设为NaN，再分组聚合求均值（mean()默认忽略NaN）：

df.assign(
    parking_duration=lambda x: x['duration'].where(x['type'] == 'parking'),
    reservation_duration=lambda x: x['duration'].where(x['type'] == 'reservation')
).groupby('user_id').agg(
    avg_parking_duration=('parking_duration', 'mean'),
    avg_reservation_duration=('reservation_duration', 'mean')
)

方法3：用pivot_table一步实现 #

如果仅需按user_id分组、按type统计duration均值，pivot_table更简洁，最后重命名列即可匹配R的输出格式：

pd.pivot_table(df, 
               index='user_id', 
               columns='type', 
               values='duration', 
               aggfunc='mean').rename(
    columns={'parking': 'avg_parking_duration', 'reservation': 'avg_reservation_duration'}
).reset_index()

内容的提问来源于stack exchange，提问作者Nick