Pandas中groupby+agg的两种写法区别小结

groupby().agg()有两种常见的写法，它们在使用场景和灵活性上有所不同：

1. 两种写法对比

写法一：字典形式（推荐用于多个聚合）

# 对不同的列应用不同的聚合函数
df.groupby('group_col').agg({
    'col1': 'sum',
    'col2': ['mean', 'std'],
    'col3': lambda x: x.max() - x.min()
})

写法二：命名参数形式（推荐用于单个聚合）

# 对多个列应用相同的聚合函数
df.groupby('group_col').agg(
    total_sales=('sales', 'sum'),
    avg_price=('price', 'mean'),
    custom_metric=('value', lambda x: x.quantile(0.9))
)

2. 核心区别

字典形式的特点：

# 多级索引的列名（自动命名）
result = df.groupby('group').agg({
    'A': ['sum', 'mean'],
    'B': 'max'
})

# 输出列名会是：
#     A          B
#   sum  mean  max

命名参数形式的特点：

# 单级索引的自定义列名
result = df.groupby('group').agg(
    total_A=('A', 'sum'),
    avg_A=('A', 'mean'),
    max_B=('B', 'max')
)

# 输出列名是：
#   total_A  avg_A  max_B

3. 实际使用中的选择建议

选择字典形式的情况：

• 需要多级列名（MultiIndex columns）
• 批量对多个列应用相同的函数
• 使用匿名函数或自定义函数

# 批量聚合示例
agg_dict = {
    'sales': ['sum', 'mean', 'count'],
    'profit': ['sum', 'mean'],
    'quantity': 'sum'
}
df.groupby('date').agg(agg_dict)

选择命名参数形式的情况：

• 需要清晰的列名（业务可读性）
• 对少数几个列进行聚合
• 结果需要进一步处理（避免MultiIndex）

# 创建业务友好的列名
summary = df.groupby('department').agg(
    total_revenue=('revenue', 'sum'),
    avg_salary=('salary', 'mean'),
    employee_count=('employee_id', 'nunique'),
    top_performer=('performance_score', lambda x: x.nlargest(1).iloc[0])
)

4. 混合使用技巧

# 可以混合使用（Pandas 1.0+）
result = df.groupby('group').agg(
    total=('value', 'sum'),
    **{'value': ['mean', 'std']}  # 保留原列名的多级索引
)

5. 性能考虑

两种写法在性能上差异不大，主要区别在于：

• 字典形式：更简洁，适合快速探索
• 命名参数形式：更明确，适合生产代码

# 性能对比（通常差异很小）
import time

start = time.time()
result1 = df.groupby('group').agg({'col': ['sum', 'mean']})
print(f"字典形式: {time.time()-start:.4f}s")

start = time.time()
result2 = df.groupby('group').agg(
    sum_col=('col', 'sum'),
    mean_col=('col', 'mean')
)
print(f"命名参数: {time.time()-start:.4f}s")

6. 最佳实践总结

最实用的建议：

• 临时分析用字典形式
• 要保留的代码用命名参数形式（更好的可读性）
• 根据具体需求灵活选择，两者可以互相转换