如何对Pandas DataFrame按itemid分组并对不同列应用聚合规则

直接通过groupby配合agg方法就能实现需求，代码示例如下：

import pandas as pd

# 原始数据构造（如果已有DataFrame可跳过此步）
raw_data = {
    'itemid': ['A1', 'A2', 'B1', 'B2', 'A1', 'A2', 'B1', 'B2'],
    'clock': ['27/05/2021', '27/05/2021', '27/05/2021', '27/05/2021', 
              '28/05/2021', '28/05/2021', '28/05/2021', '28/05/2021'],
    'value_min': [4, 4, 1, 3, 8, 1, 0, 4],
    'value_avg': [7, 5, 2, 20, 8, 2, 1, 7],
    'value_max': [38, 15, 5, 86, 9, 5, 2, 8],
    'item_type': ['cpu', 'mem', 'cpu', 'mem', 'cpu', 'mem', 'cpu', 'mem']
}
df = pd.DataFrame(raw_data)

# 核心分组聚合逻辑
aggregated_df = df.groupby('itemid').agg(
    value_min=('value_min', 'min'),
    value_avg=('value_avg', lambda x: round(x.mean(), 1)),
    value_max=('value_max', 'max'),
    item_type=('item_type', 'first')
).reset_index()

# 可选：将平均值的小数点替换为逗号，匹配目标格式
aggregated_df['value_avg'] = aggregated_df['value_avg'].astype(str).replace('\.', ',', regex=True)

print(aggregated_df)

代码说明 #

• groupby('itemid')：以itemid为分组依据
• agg()方法定义各列的聚合规则：
  • value_min：取分组内最小值
  • value_avg：计算分组内平均值并保留1位小数，之后替换小数点为逗号（若不需要此格式可省略替换步骤）
  • value_max：取分组内最大值
  • item_type：由于每个itemid对应唯一的类型，直接取分组内第一个值即可
• reset_index()：将分组后的itemid从索引恢复为普通列

运行后得到的结果与目标DataFrame完全一致。

内容的提问来源于stack exchange，提问作者JB Rolland