कई Aggregations
एक साथ कई summary numbers पाने के लिए functions की list पास करें।
In this page:
Syntax
df.groupby("column")["value_column"].agg(["sum", "mean", "count"])Multiple aggregations
groupby(...)[col].agg(["sum", "mean", "count"]) हर function के लिए एक column return करता है। कई columns पर यह hierarchical column names बनाता है। आप built-in names के साथ अपने खुद के functions भी pass कर सकते हैं।
Note:
multi-level columns को df.columns = ["_".join(c) for c in df.columns] से flatten करें।
उदाहरण: Multiple aggregations
import pandas as pd
df = pd.DataFrame({"dept": ["A", "B", "A", "B"], "salary": [100, 200, 150, 250]})
print(df.groupby("dept")["salary"].agg(["sum", "mean", "count"]))
print(df.groupby("dept")["salary"].agg(["min", lambda s: s.max() - s.min()]))
# Output:
# sum mean count
# dept
# A 250 125.0 2
# B 450 225.0 2
# min <lambda_0>
# dept
# A 100 50
# B 200 50Related Topics
{# common_mistakes/chapter_summary/browser_support: on Hindi pages the
view already swaps in the hi_ translation fields (or blanks these
out if untranslated), so this renders correctly for both languages
without a lang_code check here. #}
आम गलतियां
- multi-level columns को लेकर confuse होना
- ऐसे functions पास करना जो text पर fail हो जाएं
- यह भूल जाना कि group key index है
चैप्टर सारांश
- functions की list कई columns देती है
- कई value columns hierarchical headers बनाते हैं
- Custom functions की अनुमति है
- ज़रूरत पड़ने पर headers को flatten करें
🔒
Chapter Quiz — Complete all 7 topics to unlock
0/7 topics done
Complete these topics first: