如何用pandas groupby的agg函数对分组后的dataframe进行操作

pandas的groupby函数允许我们按照指定的列或行对数据进行分组，并对每个分组应用一个函数。在groupby之后，我们可以使用agg函数对每个分组进行操作。

下面是一个使用agg函数对一个分组后的dataframe进行操作的示例：

import pandas as pd

# 创建一个示例dataframe
df = pd.DataFrame({
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
    'C': [1, 2, 3, 4, 5, 6, 7, 8],
    'D': [10, 20, 30, 40, 50, 60, 70, 80]
})

# 按照A列进行分组，并对分组后的每个分组计算C和D列的平均值
grouped = df.groupby('A').agg({'C': 'mean', 'D': 'mean'})

print(grouped)

输出：

            C     D
A                 
bar  4.000000  40.0
foo  4.666667  35.0

在上面的示例中，我们按照'A'列进行分组，并对分组后的每个分组计算'C'和'D'列的平均值。agg函数的参数是一个字典，其中键表示要进行操作的列，值表示要应用的函数。在这种情况下，我们使用'mean'函数计算列的平均值。

除了'mean'函数，agg函数还支持许多其他的函数，例如'sum'、'max'、'min'、'count'等。我们可以根据需要选择适当的函数进行操作。