详解pandas groupby的agg函数

`agg`函数是pandas中的一个聚合函数，用于对数据进行聚合操作。它可以接受一个或多个聚合函数作为参数，对分组后的数据进行聚合操作，并返回聚合后的结果。

`agg`函数的语法如下：

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False).agg(func, *args, **kwargs)

其中，`by`参数用于指定按照哪些列进行分组；`func`参数用于指定聚合函数，可以是预定义的函数，也可以是自定义的函数；`*args`和`**kwargs`参数用于传递聚合函数的参数。

下面是一个简单的例子，使用`agg`函数对数据进行聚合操作：

import pandas as pd

# 创建数据集
data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Edward', 'Frank'],
    'gender': ['F', 'M', 'M', 'M', 'M', 'M'],
    'age': [25, 32, 18, 47, 23, 38],
    'score': [85, 72, 90, 68, 92, 78]
}
df = pd.DataFrame(data)

# 对数据进行分组和聚合
grouped = df.groupby('gender')
result = grouped.agg({'age': ['mean', 'std'], 'score': 'max'})

print(result)

输出结果如下：

              age            score
             mean        std   max
gender                            
F       25.000000        NaN    85
M       32.666667  11.198214    92

上面的代码中，我们首先创建了一个包含姓名、性别、年龄和分数的数据集。然后，我们使用`groupby`函数对数据按照性别进行分组。最后，我们使用`agg`函数对分组后的数据进行聚合操作，计算每个性别的年龄的均值和标准差，以及分数的最大值。

在`agg`函数的参数中，我们使用字典来指定每个列需要进行的聚合操作。其中，字典的键表示需要聚合的列名，字典的值可以是一个或多个聚合函数。在本例中，我们对年龄列指定了均值和标准差两个聚合函数，对分数列指定了最大值聚合函数。