Pandas groupby().agg()和列表中的lambda

Pandas是一个基于Python的数据分析库，提供了丰富的数据处理和分析工具。其中，groupby()和agg()是Pandas中用于分组和聚合数据的重要函数。

groupby()函数用于按照指定的列或多个列对数据进行分组。它可以将数据集按照某个或多个列的值进行分组，创建一个GroupBy对象。通过GroupBy对象，我们可以对分组后的数据进行各种操作，如聚合、转换、过滤等。

agg()函数是GroupBy对象的一个方法，用于对分组后的数据进行聚合操作。它可以接受一个或多个聚合函数作为参数，并将这些函数应用于每个分组的数据。常用的聚合函数包括sum、mean、count、max、min等。

lambda是Python中的一个匿名函数，它可以在一行代码中定义简单的函数。在Pandas中，我们可以使用lambda函数作为agg()函数的参数，实现对分组数据的自定义聚合操作。

下面是一个示例，演示了如何使用groupby().agg()和lambda函数对数据进行分组和聚合：

import pandas as pd

# 创建一个示例数据集
data = {'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob'],
        'Age': [25, 30, 35, 40, 45],
        'Salary': [5000, 6000, 7000, 8000, 9000]}
df = pd.DataFrame(data)

# 按照Name列进行分组，并计算每个分组的平均年龄和总薪资
result = df.groupby('Name').agg({'Age': lambda x: x.mean(), 'Salary': lambda x: x.sum()})

print(result)

输出结果为：

         Age  Salary
Name                
Alice   32.5   13000
Bob     37.5   15000
Charlie 35.0    7000

在上述示例中，我们首先创建了一个包含姓名、年龄和薪资的数据集。然后，使用groupby()函数按照姓名对数据进行分组。接着，使用agg()函数对每个分组的年龄和薪资进行聚合操作。在这里，我们使用lambda函数分别计算了平均年龄和总薪资。最后，将结果打印输出。

Pandas官方文档中关于groupby()和agg()的详细介绍和用法可以参考以下链接：

• Pandas官方文档 - groupby
• Pandas官方文档 - agg

腾讯云提供了一系列与数据分析和处理相关的产品和服务，例如云数据库 TencentDB、云函数 SCF、云原生容器服务 TKE 等。你可以根据具体需求选择适合的产品进行数据处理和分析。具体产品介绍和文档可以在腾讯云官网上找到。