¿Existe una forma integrada de pandas para aplicar dos funciones de agregación diferentes f1, f2a la misma columna df["returns"], sin tener que llamar agg()varias veces?

Marco de datos de ejemplo:

import pandas as pd
import datetime as dt

pd.np.random.seed(0)
df = pd.DataFrame({
         "date"    :  [dt.date(2012, x, 1) for x in range(1, 11)], 
         "returns" :  0.05 * np.random.randn(10), 
         "dummy"   :  np.repeat(1, 10)
}) 

La forma sintácticamente incorrecta, pero intuitivamente correcta, de hacerlo sería:

# Assume `f1` and `f2` are defined for aggregating.
df.groupby("dummy").agg({"returns": f1, "returns": f2})

Obviamente, Python no permite claves duplicadas. ¿Hay alguna otra forma de expresar la entrada agg()? ¿Quizás una lista de tuplas [(column, function)]funcionaría mejor para permitir múltiples funciones aplicadas a la misma columna? Pero agg()parece que solo acepta un diccionario.

¿Hay alguna solución para esto además de definir una función auxiliar que solo aplique ambas funciones dentro de ella? (¿Cómo funcionaría esto con la agregación de todos modos?)

Simplemente puede pasar las funciones como una lista:

In [20]: df.groupby("dummy").agg({"returns": [np.mean, np.sum]})
Out[20]:         
           mean       sum
dummy                    
1      0.036901  0.369012

o como diccionario:

In [21]: df.groupby('dummy').agg({'returns':
                                  {'Mean': np.mean, 'Sum': np.sum}})
Out[21]: 
        returns          
           Mean       Sum
dummy                    
1      0.036901  0.369012

TLDR; Pandas groupby.aggtiene una sintaxis nueva y más sencilla para especificar (1) agregaciones en múltiples columnas y (2) múltiples agregaciones en una columna. Entonces, para hacer esto para pandas> = 0.25 , use

df.groupby('dummy').agg(Mean=('returns', 'mean'), Sum=('returns', 'sum'))

           Mean       Sum
dummy                    
1      0.036901  0.369012

O

df.groupby('dummy')['returns'].agg(Mean='mean', Sum='sum')

           Mean       Sum
dummy                    
1      0.036901  0.369012

Pandas> = 0,25: Agregación con nombre

Pandas ha cambiado el comportamiento de GroupBy.agga favor de una sintaxis más intuitiva para especificar agregaciones con nombre. Consulte la sección de documentos 0.25 sobre Mejoras , así como los problemas relevantes de GitHub GH18366 y GH26512 .

De la documentación,

Para admitir la agregación específica de columna con control sobre los nombres de las columnas de salida, pandas acepta la sintaxis especial en GroupBy.agg(), conocida como "agregación con nombre", donde

• Las palabras clave son los nombres de las columnas de salida.
• Los valores son tuplas cuyo primer elemento es la columna a seleccionar y el segundo elemento es la agregación a aplicar a esa columna. Pandas proporciona a pandas.NamedAgg namedtuple los campos ['columna', 'aggfunc'] para que quede más claro cuáles son los argumentos. Como de costumbre, la agregación puede ser un alias invocable o de cadena.

Ahora puede pasar una tupla mediante argumentos de palabras clave. Las tuplas siguen el formato de (<colName>, <aggFunc>).

import pandas as pd

pd.__version__                                                                                                                            
# '0.25.0.dev0+840.g989f912ee'

# Setup
df = pd.DataFrame({'kind': ['cat', 'dog', 'cat', 'dog'],
                   'height': [9.1, 6.0, 9.5, 34.0],
                   'weight': [7.9, 7.5, 9.9, 198.0]
})

df.groupby('kind').agg(
    max_height=('height', 'max'), min_weight=('weight', 'min'),)

      max_height  min_weight
kind                        
cat          9.5         7.9
dog         34.0         7.5

Alternativamente, puede usar pd.NamedAgg(esencialmente una tupla con nombre) que hace las cosas más explícitas.

df.groupby('kind').agg(
    max_height=pd.NamedAgg(column='height', aggfunc='max'), 
    min_weight=pd.NamedAgg(column='weight', aggfunc='min')
)

      max_height  min_weight
kind                        
cat          9.5         7.9
dog         34.0         7.5

Es aún más simple para Series, simplemente pase aggfunc a un argumento de palabra clave.

df.groupby('kind')['height'].agg(max_height='max', min_height='min')    

      max_height  min_height
kind                        
cat          9.5         9.1
dog         34.0         6.0       

Por último, si los nombres de sus columnas no son identificadores de Python válidos, use un diccionario con desempaquetado:

df.groupby('kind')['height'].agg(**{'max height': 'max', ...})

Pandas <0,25

En versiones más recientes de pandas hasta 0.24, si usa un diccionario para especificar nombres de columna para la salida de agregación, obtendrá un FutureWarning:

df.groupby('dummy').agg({'returns': {'Mean': 'mean', 'Sum': 'sum'}})
# FutureWarning: using a dict with renaming is deprecated and will be removed 
# in a future version

El uso de un diccionario para cambiar el nombre de las columnas está obsoleto en v0.20. En versiones más recientes de pandas, esto se puede especificar más simplemente pasando una lista de tuplas. Si especifica las funciones de esta manera, todas las funciones para esa columna deben especificarse como tuplas de pares (nombre, función).

df.groupby("dummy").agg({'returns': [('op1', 'sum'), ('op2', 'mean')]})

        returns          
            op1       op2
dummy                    
1      0.328953  0.032895

O,

df.groupby("dummy")['returns'].agg([('op1', 'sum'), ('op2', 'mean')])

            op1       op2
dummy                    
1      0.328953  0.032895

Algo como esto funcionaría:

In [7]: df.groupby('dummy').returns.agg({'func1' : lambda x: x.sum(), 'func2' : lambda x: x.prod()})
Out[7]: 
              func2     func1
dummy                        
1     -4.263768e-16 -0.188565