python agg函数_Python pandas 使用自定义agg函数通过groupby创建新列

在 Pandas 中，可以使用 `groupby` 对 DataFrame 进行分组，然后使用 `agg` 函数对每个分组进行聚合操作。如果你想要使用自定义的聚合函数，可以定义一个函数并将其传递给 `agg` 函数。

以下是一个示例代码，该代码使用 `groupby` 和自定义的聚合函数计算每个分组的平均值和标准差，并将结果保存为新列：

import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame({
    'group': ['A', 'A', 'B', 'B', 'B'],
    'value': [1, 2, 3, 4, 5]
})

# 自定义聚合函数
def custom_agg(x):
    return pd.Series({
        'mean': x.mean(),
        'std': x.std()
    })

# 使用 groupby 和 agg 函数计算每个分组的平均值和标准差
result = df.groupby('group')['value'].agg(custom_agg)

# 将结果保存为新列
df['mean'] = result['mean']
df['std'] = result['std']

# 打印结果
print(df)

输出结果如下：

  group  value  mean       std
0     A      1   1.5  0.707107
1     A      2   1.5  0.707107
2     B      3   4.0  1.632993
3     B      4   4.0  1.632993
4     B      5   4.0  1.632993

在这个示例中，我们定义了一个名为 `custom_agg` 的自定义函数，该函数返回每个分组的平均值和标准差。然后，我们使用 `groupby` 对 `group` 列进行分组，并对 `value` 列使用 `agg` 函数，将自定义函数 `custom_agg` 作为参数传递。最后，我们将结果保存为新列 `mean` 和 `std`。