Несколько показателей

Один показатель редко рассказывает всё. О городе хочется знать и выручку, и число заказов, и средний чек. Можно написать три группировки подряд — а можно одну.

Несколько итогов одного столбца

Метод agg (aggregate, «свести») после группировки принимает список названий функций — строками:

import pandas as pd

orders = pd.read_csv("data/shop_orders.csv")
orders["revenue"] = orders["price"] * orders["quantity"]
orders.groupby("city")["revenue"].agg(["sum", "mean", "count"])

Получилась таблица: строки — группы, столбцы — показатели. С ней работают как с любой таблицей:

stats = orders.groupby("city")["revenue"].agg(["sum", "mean", "count"])
print(stats.loc["Казань", "sum"])
print(stats["mean"].round(1).tolist())

440150
[1356.9, 1290.8, 1382.0, 1256.2, 1364.6]

Названия функций — те же, что у методов: "sum", "mean", "median", "min", "max", "count", "nunique", "std", "size".

price_stats = ...
widest = ...

price_stats = orders.groupby("category")["price"].agg(["min", "max", "mean"])
widest = (price_stats["max"] - price_stats["min"]).idxmax()

Разные столбцы — свои названия

Чаще показатели считаются по разным столбцам: сумма выручки, число разных заказов, средняя цена. Для этого есть именованная агрегация: в agg перечисляют новые столбцы в виде название=("исходный столбец", "функция").

orders.groupby("city").agg(
    total=("revenue", "sum"),
    orders=("order_id", "nunique"),
    avg_price=("price", "mean"),
)

Столбец после groupby здесь не выбирают — он указан внутри каждой пары. Названия новых столбцов вы придумываете сами; пишутся они без кавычек, как имена параметров.

Результат — обычная таблица, в которую можно добавить вычисляемый столбец:

cities = orders.groupby("city").agg(total=("revenue", "sum"), orders=("order_id", "nunique"))
cities["check"] = (cities["total"] / cities["orders"]).round(1)
cities.sort_values("check", ascending=False)

channels = ...
# добавьте в channels столбец per_buyer

channels = orders.groupby("channel").agg(
    total=("revenue", "sum"),
    orders=("order_id", "nunique"),
    buyers=("customer_id", "nunique"),
)
channels["per_buyer"] = (channels["total"] / channels["buyers"]).round()

Группировка по двум столбцам

Если передать в groupby список столбцов, группой станет каждое сочетание их значений:

by_pair = orders.groupby(["city", "channel"])["revenue"].sum()
by_pair.head(7)

city          channel
Екатеринбург  маркетплейс     83080
              приложение     150240
              сайт           190030
Казань        маркетплейс    113670
              приложение     106970
              сайт           219510
Москва        маркетплейс    343390
Name: revenue, dtype: int64

Слева теперь два столбца подписей — у индекса два уровня: город и канал. Название города напечатано один раз на всю свою группу строк. Такой индекс называют MultiIndex.

Значение достают по паре меток в круглых скобках. Если указать только первую метку, вернётся вся её группа:

print(by_pair.loc[("Казань", "сайт")])
print(by_pair.loc["Казань"])

219510
channel
маркетплейс    113670
приложение     106970
сайт           219510
Name: revenue, dtype: int64

Пять городов и три канала дают 15 групп, а сумма по ним — всё та же выручка года. Названия уровней хранит атрибут index.names:

print(len(by_pair))
print(by_pair.sum())
print(list(by_pair.index.names))

15
3301420
['city', 'channel']

Порядок столбцов в списке задаёт порядок уровней: ["city", "channel"] — сначала города, внутри них каналы.

city_category = ...
moscow = ...
moscow_tea = ...

city_category = orders.groupby(["city", "category"])["revenue"].sum()
moscow = city_category.loc["Москва"]
moscow_tea = city_category.loc[("Москва", "Чай")]

Именованная агрегация работает и с двумя ключами:

orders.groupby(["category", "channel"]).agg(total=("revenue", "sum"), lines=("revenue", "size")).head(6)

С индексом из двух уровней не всегда удобно работать дальше. Как превратить его в обычные столбцы, разберём в следующем уроке.

weather = pd.read_csv("data/weather.csv")
climate = ...

weather = pd.read_csv("data/weather.csv")
climate = weather.groupby("city").agg(
    t_mean=("temp_max", "mean"),
    t_std=("temp_max", "std"),
    rain=("precip_mm", "sum"),
)
climate = climate.round(1)

Итоги

• .agg(["sum", "mean"]) — несколько итогов одного столбца; результат — таблица.
• .agg(название=("столбец", "функция"), ...) — показатели по разным столбцам со своими названиями.
• groupby(["a", "b"]) — группы по сочетаниям; у результата индекс из двух уровней.
• Значение по двум уровням — результат.loc[("метка a", "метка b")].