在Pandas GroupBy对象上使用'Apply‘的替代方法

grouped_df.agg(func)

import pandas as pd

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

# 使用'agg'方法计算每个组的平均值和总和
grouped = df.groupby('A')
result = grouped.agg(['mean', 'sum'])
print(result)

      C        D    
   mean sum mean sum
A                  
bar  4.0  12   40  120
foo  4.8  24   40  200

# 定义一个自定义聚合函数，计算每个组的中位数
def median_func(x):
    return x.median()

# 使用'agg'方法应用自定义聚合函数
result = grouped.agg(median_func)
print(result)

       C   D
A           
bar  3.5  30
foo  4.5  40

# 定义一个字典，指定不同的列应用不同的聚合函数
agg_dict = {'C': 'mean', 'D': ['sum', 'max']}

# 使用'agg'方法应用字典形式的聚合函数
result = grouped.agg(agg_dict)
print(result)

      C   D    
   mean sum max
A              
bar  4.0  60  40
foo  4.8  90  80