聚合：agg 与命名聚合

聚合（aggregation）是分组分析里用得最多的一步：每组算出一个或几个汇总值，组数变成了行数。§37 见过的 sum、mean 就是聚合。这一章系统讲 agg。

agg：一个入口，多种玩法

分组对象上可以直接调 .sum()、.mean()，但更灵活的是 agg。agg 接受字符串、函数、列表、字典，几乎覆盖所有聚合需求。

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "部门": ["技术", "销售", "技术", "运营", "销售", "技术"],
    "姓名": ["张三", "李四", "王五", "赵六", "钱七", "孙八"],
    "薪资": [12000, 15000, 11000, 18000, 14000, 13000],
    "奖金": [2000, 3000, 1000, 5000, 2500, 1800],
})
grouped = df.groupby("部门")

单函数聚合

传字符串，等价于调用同名方法：

grouped["薪资"].agg("sum")                    # 等价 grouped["薪资"].sum()
grouped[["薪资", "奖金"]].agg("mean")          # 等价 grouped[["薪资", "奖金"]].mean()

pandas 内置的聚合方法大多能这样传：sum、mean、median、min、max、count、size、nunique、std、var、first、last、quantile。注意先选列再聚合：grouped[["薪资", "奖金"]] 只算数值列，混着文本列（比如”姓名”）直接聚合会报错或得到奇怪结果。

带参数的聚合直接调用方法即可：

grouped["薪资"].quantile(0.9)     # 组内 90 分位

多函数聚合：列表

想一次算总和、平均、标准差，传一个列表：

grouped["薪资"].agg(["sum", "mean", "std"])

结果是一个 DataFrame，列名自动用函数名。对多列同时聚合也一样：

grouped[["薪资", "奖金"]].agg(["sum", "mean"])

列名变成两层（薪资、奖金 × sum、mean），后续可以用 reset_index 或 rename 整理。

不想要函数名做列名，可以用”新列名 + 函数”的元组列表：

grouped["薪资"].agg([("总和", "sum"), ("平均", "mean")])

不同列不同函数：字典

传字典，键是列名，值是对该列的聚合：

grouped.agg({"薪资": "sum", "奖金": "mean"})

也可以混入自定义函数：

grouped.agg({"薪资": "sum", "奖金": lambda x: x.max() - x.min()})

自定义聚合函数

内置函数不够用时，自己写函数：它接收一个 Series（组内某一列），返回一个标量：

def 极差(x):
    return x.max() - x.min()

grouped["薪资"].agg(极差)

返回集合、返回其他类型都行，pandas 会尽量推断结果的 dtype。写自定义函数时不要修改传入的 Series，pandas 不保证改动生效。

命名聚合：输出列名自己做主

前面的写法列名要么是函数名，要么不好读。命名聚合（named aggregation）专门解决这个问题：关键字是输出列名，值是 (列, 函数) 元组：

grouped.agg(
    最低薪资=("薪资", "min"),
    最高薪资=("薪资", "max"),
    平均奖金=("奖金", "mean"),
)

结果一目了然。也可以写成 pd.NamedAgg：

grouped.agg(
    最低薪资=pd.NamedAgg(column="薪资", aggfunc="min"),
)

NamedAgg 只是带字段名的元组，两种写法等价，选顺手的。

对单个列做命名聚合，值直接写函数名：

grouped["薪资"].agg(最低="min", 最高="max")

聚合完想改列名，也可以用 rename 链式处理：

(grouped["薪资"].agg(["sum", "mean"])
   .rename(columns={"sum": "总和", "mean": "平均"}))

内置聚合方法速查

方法	作用
sum / mean / median	求和、平均、中位数
min / max	最小、最大
count	非缺失值个数
size	行数（含缺失）
nunique	去重后个数
std / var	标准差、方差
first / last	组内第一个 / 最后一个非缺失值
quantile(q=0.5)	分位数
describe	一组汇总统计（不是聚合，但很有用）

describe 不用 agg，分组后直接调用：

grouped[["薪资"]].describe()

每组输出 count、mean、std、min、25%、50%、75%、max，做初步探索非常方便。

as_index：分组键放哪

默认分组键成为结果索引；想要普通列，在 groupby 时传 as_index=False：

df.groupby("部门", as_index=False).agg({"薪资": "sum"})

小结

agg 一个入口四种玩法：字符串、函数、列表、字典，覆盖从”单函数”到”不同列不同函数”的全部聚合需求。命名聚合（关键字 = (列, 函数)）让输出列名自己做主，长期维护的代码优先用它。内置方法够用就别写自定义函数，UDF 慢几十倍。