基于列名的Pandas中多个列的不同聚合

Question

我有一个很大的Pandas数据框架，我想以不同的方式聚合这些列。我有24列(一天中的小时)，我想求和，对于所有其他列，取最大值。

我知道我可以手动编写所需的条件，如下所示：

df_agg = df.groupby('user_id').agg({'hour_0':'sum', 
                                    'hour_1':'sum',
                                    .
                                    .
                                     'hour_24':'sum',
                                    'all other columns': 'max'}
 )

但我想知道是否有一个优雅的解决方案：

df_agg = df.groupby('user_id').agg({'hour_*':'sum', 
                                    'all other columns != hour_*': 'max'}

Answer 1

您可以使用hour按所有列生成字典，将所有其他列添加到另一个字典，合并它们，最后传递给agg

c1 = df.columns[df.columns.str.startswith('hour')].tolist()
#also excluded user_id column for avoid `max` aggregation
c2 = df.columns.difference(c1 + ['user_id'])
#https://stackoverflow.com/a/26853961
d = {**dict.fromkeys(c1, 'sum'), **dict.fromkeys(c2, 'max')}

df_agg = df.groupby('user_id').agg(d)

或者，您可以在concat中使用2倍的groupby

df_agg = pd.concat([df.groupby('user_id')[c1].sum(), 
                    df.groupby('user_id')[c2].max()], axis=1)