Pandas DataFrame分组聚合：如何对列取绝对值的最大值？

嘿，这个需求其实很好解决！你已经掌握了基础的分组聚合写法，现在只需要对C列的聚合逻辑做一点小调整就行，这里有两种实用的方法：

方法一：使用Lambda函数直接在agg中处理 #

你可以在agg的配置字典里，给C列指定一个lambda函数，先计算绝对值再取最大值，代码示例如下：

import pandas as pd
df = pd.DataFrame({'A' : ['a', 'a', 'b', 'b'], 'B' :[50, 70, 50, 30] , 'C' : [100, -150, -110, 180] })

# 分组后，B列取均值，C列取绝对值的最大值
result = df.groupby("A").agg({
    "B": "mean",
    "C": lambda x: x.abs().max()
})
print(result)

运行后会得到预期的结果：

B    C
A          
a  60.0  150
b  40.0  180

方法二：先预处理C列的绝对值，再聚合 #

如果觉得lambda函数不够直观，也可以先给DataFrame新增一列存储C列的绝对值，再进行分组聚合：

import pandas as pd
df = pd.DataFrame({'A' : ['a', 'a', 'b', 'b'], 'B' :[50, 70, 50, 30] , 'C' : [100, -150, -110, 180] })

# 新增C列的绝对值列
df['C_abs'] = df['C'].abs()

# 分组聚合，B列取均值，C_abs列取最大值，最后改回原列名
result = df.groupby("A").agg({
    "B": "mean",
    "C_abs": "max"
}).rename(columns={"C_abs": "C"})
print(result)

这个方法的输出和第一种完全一致，适合需要多次使用绝对值数据的场景。

两种方法都能满足你的需求，你可以根据自己的习惯选择~

内容的提问来源于stack exchange，提问作者Thomas