16.3 聚合

概述

聚合（Aggregation）是分组操作中最常用的一类：对每个组计算一个或多个标量统计量。核心方法是 agg() / aggregate()。

---

3.1 agg() / aggregate()

两者完全等价， aggregate 是 agg 的别名。

常用调用形式

形式	说明	示例
传入单个函数名	对所有选择列应用同一聚合	df.groupby("部门")["薪资"].agg("sum")
传入函数对象	使用可调用对象	df.groupby("部门")["薪资"].agg(np.sum)
传入列表	多列同时应用多个聚合	df.groupby("部门")["薪资"].agg(["sum", "mean"])
传入字典	不同列使用不同聚合	df.groupby("部门").agg({"薪资": "sum", "员工": "count"})
传入命名元组列表	pandas 2.x 命名聚合	df.groupby("部门").agg(总薪资=("薪资", "sum"))

import pandas as pd
import numpy as np
 
df = pd.DataFrame({
    "部门": ["A", "A", "B", "B", "C"],
    "性别": ["男", "女", "男", "女", "男"],
    "薪资": [8000, 9500, 12000, 11000, 9000],
    "年龄": [30, 25, 40, 35, 28],
})
 
# 单列单聚合
df.groupby("部门")["薪资"].agg("sum")
 
# 单列多聚合：结果列名为函数名
df.groupby("部门")["薪资"].agg(["sum", "mean", "max"])
 
# 自定义列名：新版本使用 (新列名, 函数) 元组
df.groupby("部门")["薪资"].agg([("总薪资", "sum"), ("平均薪资", "mean")])
 
# 多列多聚合
df.groupby("部门").agg(["sum", "mean"])
 
# 按列指定不同聚合函数
df.groupby("部门").agg({"薪资": "sum", "年龄": "mean"})
 
# 聚合后重置索引
df.groupby("部门").agg({"薪资": "sum"}).reset_index()

---

3.2 内置聚合函数

下表为 GroupBy 可直接使用的内置聚合方法（等价于传入同名字符串）。

聚合方法	说明	聚合方法	说明
sum()	求和	count()	非空计数
mean()	均值	nunique()	唯一值个数
median()	中位数	all()	所有值为真
std()	样本标准差	any()	任意值为真
var()	样本方差	prod()	连乘
min()	最小值	sem()	均值标准误
max()	最大值	skew()	偏度
first()	第一个非空值	kurt()	峰度
last()	最后一个非空值	size()	行数（含 NaN）
nth(n)	第 n 个非空值	ohlc()	金融 OHLC 四值

示例

# 常用聚合
df.groupby("部门")["薪资"].sum()
df.groupby("部门")["薪资"].mean()
df.groupby("部门")["薪资"].std()
df.groupby("部门")["薪资"].var()
df.groupby("部门")["薪资"].min()
df.groupby("部门")["薪资"].max()
df.groupby("部门")["薪资"].median()
df.groupby("部门")["年龄"].skew()
df.groupby("部门")["年龄"].kurt()
df.groupby("部门")["年龄"].sem()
 
# first / last / nth
df.groupby("部门")["员工"].first()    # 每组第一个
df.groupby("部门")["员工"].last()     # 每组最后一个
df.groupby("部门")["员工"].nth(0)     # 第 0 行（位置）
df.groupby("部门")["员工"].nth(-1)    # 每组最后一个
 
# ohlc：开盘-最高-最低-收盘（常用于时间序列）
ts_df = pd.DataFrame({
    "日期": pd.date_range("2024-01-01", periods=6, freq="D"),
    "价格": [100, 102, 101, 105, 107, 106],
})
ts_df.set_index("日期").groupby(pd.Grouper(freq="3D"))["价格"].ohlc()
 
# all / any / prod / nunique
df.groupby("部门")["薪资"].all()
df.groupby("部门")["薪资"].any()
df.groupby("部门")["薪资"].prod()
df.groupby("部门")["性别"].nunique()

---

3.3 命名聚合

pandas 0.25+ 支持通过 (名称, 聚合函数) 元组，直接在 agg() 中生成命名结果列，避免 .rename()。

# 关键字命名聚合（推荐）
df.groupby("部门", as_index=False).agg(
    总薪资=("薪资", "sum"),
    平均薪资=("薪资", "mean"),
    最大年龄=("年龄", "max"),
)
 
# 使用 pandas.NamedAgg
df.groupby("部门", as_index=False).agg(
    总薪资=pd.NamedAgg(column="薪资", aggfunc="sum"),
    平均薪资=pd.NamedAgg(column="薪资", aggfunc="mean"),
)

---

3.4 多个聚合函数

# 列表方式：同时计算 sum、mean、count
df.groupby("部门")["薪资"].agg(["sum", "mean", "count"])
 
# 重命名聚合列
df.groupby("部门")["薪资"].agg(
    求和="sum",
    均值="mean",
    个数="count",
)
 
# 混合使用函数对象与字符串
df.groupby("部门")["薪资"].agg(["sum", np.mean, lambda x: x.max() - x.min()])

---

3.5 自定义聚合函数

自定义聚合函数需接收 一组 Series/ndarray 并返回标量。

# 自定义函数
def 极差(x):
    return x.max() - x.min()
 
def 变异系数(x):
    return x.std() / x.mean()
 
df.groupby("部门")["薪资"].agg(极差)
df.groupby("部门")["薪资"].agg(极差=极差, 变异系数=变异系数)
 
# 使用 lambda
df.groupby("部门")["薪资"].agg(lambda x: x.max() - x.min())
 
# 多个自定义函数
df.groupby("部门")["薪资"].agg(["sum", 极差, 变异系数])
 
# 自定义函数中调用 Series 方法
df.groupby("部门")["薪资"].agg(lambda x: x.quantile(0.75))

---

3.6 多列聚合

# 多列使用相同聚合
df.groupby("部门")[["薪资", "年龄"]].agg("sum")
df.groupby("部门")[["薪资", "年龄"]].agg(["sum", "mean"])
 
# 多列使用不同聚合（字典方式）
df.groupby("部门").agg({"薪资": ["sum", "mean"], "年龄": ["min", "max"]})
 
# 字典 + 列表组合
df.groupby("部门").agg(
    薪资合计=("薪资", "sum"),
    薪资均值=("薪资", "mean"),
    年龄最大=("年龄", "max"),
)
 
# 对所有数值列聚合
df.groupby("部门").agg("sum")
df.groupby("部门").sum(numeric_only=True)

注意

• 字典方式中，列名与聚合函数的顺序在旧版本中有依赖关系，pandas 2.x 已修复；
• 当多种聚合函数数据类型不一致时，结果可能自动升维并产生多层列名。

---

相关笔记

• 上一节：分组与聚合-2-迭代与分组
• 下一节：分组与聚合-4-变换
• 延伸：分组内累积与排名