Die Methode agg()

Wenn Sie sum() oder mean() direkt auf einem GroupBy-Objekt aufrufen, erhalten Sie nur eine einzelne Statistik. In der Praxis benötigen Analysen jedoch häufig mehrere Statistiken gleichzeitig – beispielsweise den Gesamtumsatz, die durchschnittliche Bestellgröße und die Anzahl der Bestellungen pro Region. Mit der Methode agg() (kurz für aggregate) können Sie all diese Werte in einem einzigen effizienten Aufruf berechnen, statt separate Aggregationen auszuführen und die Ergebnisse zusammenzuführen.

Die einfachste Verwendung von agg() besteht darin, eine Liste von Zeichenfolgen mit Funktionsnamen zu übergeben. Pandas wendet jede Funktion auf die ausgewählte Spalte an und gibt einen DataFrame zurück, dessen Spalten jeweils einer Funktion entsprechen. Dieser Ansatz funktioniert mit jedem integrierten Aggregationsnamen: 'sum', 'mean', 'min', 'max', 'count', 'std', 'median' und weiteren.

Wenn Sie eine Liste von Zeichenfolgen übergeben, werden die Ausgabespalten nach den Funktionen selbst benannt ('sum', 'mean' usw.). Für eine übersichtlichere Ausgabe verwenden Sie benannte Aggregationen: Übergeben Sie Schlüsselwortargumente, bei denen der Schlüssel Ihr gewünschter Spaltenname und der Wert ein Tupel aus (column, function) ist. Dies ist der moderne Ansatz in Pandas und erzeugt selbstdokumentierenden Code.

Sie können ein Dictionary an agg() übergeben, bei dem jeder Schlüssel ein Spaltenname und jeder Wert eine auf diese Spalte anzuwendende Funktion oder Funktionsliste ist. So können Sie beispielsweise sum auf revenue, aber mean auf units anwenden – alles in einem einzigen GroupBy-Aufruf.

Wenn Sie ein Dictionary mit mehreren Funktionen pro Spalte übergeben, besitzt das Ergebnis einen MultiIndex für die Spalten. Die erste Ebene ist der ursprüngliche Spaltenname, die zweite Ebene der Funktionsname. Mit einer List Comprehension können Sie diese Spaltennamen zu einer einzigen Zeichenfolge zusammenführen, sodass sich das Ergebnis in nachfolgenden Verarbeitungsschritten leichter verwenden lässt.

Zusätzlich zu Zeichenfolgennamen können Sie an agg() jedes aufrufbare Python-Objekt übergeben. Die Funktion erhält eine Series – die Werte dieser Spalte in einer Gruppe – und muss einen Skalar zurückgeben. Sie können eine Lambda-Funktion oder eine benannte Funktion übergeben. Benutzerdefinierte Funktionen sind flexibler, aber langsamer als integrierte Funktionen mit Namen, da sie die Optimierungen auf C-Ebene nicht nutzen können.

Die Syntax für benannte Aggregationen funktioniert auch mit aufrufbaren Funktionen und nicht nur mit Zeichenkettennamen. Übergeben Sie einfach ein Tupel aus (column, function) als Wert des Schlüsselwortarguments, wobei die Funktion eine Series akzeptiert und einen Skalar zurückgibt. So bleibt Ihr Code übersichtlich, auch wenn Sie integrierte Funktionen mit eigener Logik kombinieren.

Wenn Sie agg() auf einem GroupBy-Objekt aufrufen, ohne eine bestimmte Spalte auszuwählen, wendet Pandas die Funktion auf jede numerische Spalte im DataFrame an. So erhalten Sie schnell eine Zusammenfassung aller numerischen Spalten auf einmal. Beachten Sie, dass Spalten mit nicht numerischen Datentypen bei den meisten Aggregationen stillschweigend übersprungen werden.

Nach agg() sind die Gruppierungsspalten der Index. Ein häufig verwendetes Muster besteht darin, direkt anschließend reset_index() aufzurufen, um einen flachen DataFrame zu erhalten, in dem die Gruppenschlüssel normale Spalten sind. Anschließend können Sie das Ergebnis wie jeden anderen DataFrame umbenennen, sortieren und filtern. Dadurch lässt es sich einfach an nachgelagerte Verarbeitungsschritte übergeben oder exportieren.

Es ist wichtig, drei GroupBy-Methoden zu unterscheiden: agg() reduziert jede Gruppe auf einen Skalar und erzeugt ein Ergebnis mit weniger Zeilen als das Original. transform() gibt ein Array mit der gleichen Form wie die Eingabe zurück, sodass Sie Gruppenstatistiken als neue Spalten hinzufügen können. apply() ist am flexibelsten, aber auch am langsamsten und wird in der nächsten Lektion behandelt.

Hier ist ein realistisches End-to-End-Beispiel: Erstellen Sie eine Übersichtstabelle mit Gesamtumsatz, durchschnittlichem Bestellwert, Anzahl der Bestellungen und Umsatzspanne je Region, mit aussagekräftigen Spaltennamen und absteigend nach dem Gesamtumsatz sortiert. Dieses Muster lässt sich direkt in Analyseprozessen für Produktmanagement, Finanzen und Marketing einsetzen.

Testen Sie Ihr Verständnis der Methode agg() aus dieser Lektion.

In dieser Lektion haben Sie gelernt, wie Sie mit agg() mehrere Aggregationen gleichzeitig berechnen, wie Sie benannte Aggregationen für aussagekräftige Spaltennamen verwenden und wie Sie mithilfe eines Dicts unterschiedliche Funktionen auf unterschiedliche Spalten anwenden. Als Nächstes sehen wir uns transform() und filter() an, die Informationen auf Gruppenebene wieder zum ursprünglichen DataFrame hinzufügen.