Existe uma maneira interna de pandas para aplicar duas funções agregadoras diferentes f1, f2na mesma coluna df["returns"], sem precisar chamar agg()várias vezes?

Exemplo de quadro de dados:

import pandas as pd
import datetime as dt

pd.np.random.seed(0)
df = pd.DataFrame({
         "date"    :  [dt.date(2012, x, 1) for x in range(1, 11)], 
         "returns" :  0.05 * np.random.randn(10), 
         "dummy"   :  np.repeat(1, 10)
}) 

A maneira sintaticamente errada, mas intuitivamente correta, de fazer isso seria:

# Assume `f1` and `f2` are defined for aggregating.
df.groupby("dummy").agg({"returns": f1, "returns": f2})

Obviamente, Python não permite chaves duplicadas. Existe alguma outra maneira de expressar a entrada agg()? Talvez uma lista de tuplas [(column, function)]funcionasse melhor, para permitir várias funções aplicadas à mesma coluna? Mas agg()parece que só aceita um dicionário.

Existe uma solução alternativa para isso, além de definir uma função auxiliar que apenas aplique as duas funções dentro dela? (Como isso funcionaria com a agregação, afinal?)

Você pode simplesmente passar as funções como uma lista:

In [20]: df.groupby("dummy").agg({"returns": [np.mean, np.sum]})
Out[20]:         
           mean       sum
dummy                    
1      0.036901  0.369012

ou como um dicionário:

In [21]: df.groupby('dummy').agg({'returns':
                                  {'Mean': np.mean, 'Sum': np.sum}})
Out[21]: 
        returns          
           Mean       Sum
dummy                    
1      0.036901  0.369012

TLDR; O Pandas groupby.aggpossui uma sintaxe nova e mais fácil para especificar (1) agregações em várias colunas e (2) várias agregações em uma coluna. Portanto, para fazer isso em pandas> = 0,25 , use

df.groupby('dummy').agg(Mean=('returns', 'mean'), Sum=('returns', 'sum'))

           Mean       Sum
dummy                    
1      0.036901  0.369012

OU

df.groupby('dummy')['returns'].agg(Mean='mean', Sum='sum')

           Mean       Sum
dummy                    
1      0.036901  0.369012

Pandas> = 0.25: Agregação Nomeada

O Pandas mudou o comportamento GroupBy.aggem favor de uma sintaxe mais intuitiva para especificar agregações nomeadas. Consulte a seção de documentos de 0,25 sobre aprimoramentos , além dos problemas relevantes do GitHub GH18366 e GH26512 .

A partir da documentação,

Para oferecer suporte à agregação específica de coluna com controle sobre os nomes das colunas de saída, o pandas aceita a sintaxe especial GroupBy.agg(), conhecida como "agregação nomeada", em que

• As palavras-chave são os nomes das colunas de saída
• Os valores são tuplas cujo primeiro elemento é a coluna a ser selecionada e o segundo elemento é a agregação a ser aplicada a essa coluna. O Pandas fornece os pandas.NamedAgg nomeadopleu com os campos ['column', 'aggfunc'] para deixar mais claro quais são os argumentos. Como de costume, a agregação pode ser um alias que pode ser chamado ou de sequência.

Agora você pode passar uma tupla por meio de argumentos de palavra-chave. As tuplas seguem o formato de (<colName>, <aggFunc>).

import pandas as pd

pd.__version__                                                                                                                            
# '0.25.0.dev0+840.g989f912ee'

# Setup
df = pd.DataFrame({'kind': ['cat', 'dog', 'cat', 'dog'],
                   'height': [9.1, 6.0, 9.5, 34.0],
                   'weight': [7.9, 7.5, 9.9, 198.0]
})

df.groupby('kind').agg(
    max_height=('height', 'max'), min_weight=('weight', 'min'),)

      max_height  min_weight
kind                        
cat          9.5         7.9
dog         34.0         7.5

Como alternativa, você pode usar pd.NamedAgg (essencialmente um nome nomeado) que torna as coisas mais explícitas.

df.groupby('kind').agg(
    max_height=pd.NamedAgg(column='height', aggfunc='max'), 
    min_weight=pd.NamedAgg(column='weight', aggfunc='min')
)

      max_height  min_weight
kind                        
cat          9.5         7.9
dog         34.0         7.5

É ainda mais simples para o Series, basta passar o aggfunc para um argumento de palavra-chave.

df.groupby('kind')['height'].agg(max_height='max', min_height='min')    

      max_height  min_height
kind                        
cat          9.5         9.1
dog         34.0         6.0       

Por fim, se os nomes das colunas não forem identificadores python válidos, use um dicionário com descompactação:

df.groupby('kind')['height'].agg(**{'max height': 'max', ...})

Pandas <0,25

Nas versões mais recentes dos pandas anteriores a 0,24, se você estiver usando um dicionário para especificar nomes de colunas para a saída de agregação, obterá FutureWarning:

df.groupby('dummy').agg({'returns': {'Mean': 'mean', 'Sum': 'sum'}})
# FutureWarning: using a dict with renaming is deprecated and will be removed 
# in a future version

O uso de um dicionário para renomear colunas foi descontinuado na v0.20. Nas versões mais recentes dos pandas, isso pode ser especificado mais simplesmente passando uma lista de tuplas. Se você especificar as funções dessa maneira, todas as funções dessa coluna deverão ser especificadas como tuplas de pares (nome, função).

df.groupby("dummy").agg({'returns': [('op1', 'sum'), ('op2', 'mean')]})

        returns          
            op1       op2
dummy                    
1      0.328953  0.032895

Ou,

df.groupby("dummy")['returns'].agg([('op1', 'sum'), ('op2', 'mean')])

            op1       op2
dummy                    
1      0.328953  0.032895

Algo assim funcionaria:

In [7]: df.groupby('dummy').returns.agg({'func1' : lambda x: x.sum(), 'func2' : lambda x: x.prod()})
Out[7]: 
              func2     func1
dummy                        
1     -4.263768e-16 -0.188565