El método agg()

Llamar directamente a sum() o mean() sobre un objeto GroupBy proporciona una sola estadística. Sin embargo, los análisis reales suelen necesitar varias estadísticas a la vez, por ejemplo, los ingresos totales, el tamaño medio de los pedidos y el número de pedidos por región. El método agg() (abreviatura de aggregate) permite calcular todos estos valores en una sola llamada eficiente, en lugar de ejecutar agregaciones por separado y combinar los resultados.

El uso más sencillo de agg() consiste en pasar una lista de cadenas con nombres de funciones. Pandas aplica cada función a la columna seleccionada y devuelve un DataFrame en el que cada columna corresponde a una función. Este enfoque funciona con cualquier nombre de agregación integrada: 'sum', 'mean', 'min', 'max', 'count', 'std', 'median', entre otros.

Cuando pasa una lista de cadenas, las columnas de salida reciben el nombre de las propias funciones ('sum', 'mean', etc.). Para obtener una salida más clara, use agregaciones con nombre: pase argumentos con nombre donde la clave sea el nombre de columna que desea y el valor sea una tupla de (column, function). Este es el enfoque moderno de Pandas y produce código autoexplicativo.

Puede pasar un diccionario a agg(), donde cada clave sea un nombre de columna y cada valor sea una función o una lista de funciones que se aplicará a esa columna. Esto le permite calcular, por ejemplo, sum sobre revenue y mean sobre units, todo en una sola llamada a GroupBy.

Cuando pasa un diccionario con varias funciones por columna, el resultado tiene un MultiIndex en las columnas. El primer nivel es el nombre de la columna original y el segundo, el nombre de la función. Puede aplanar estos nombres de columna en una sola cadena mediante una comprensión de listas, lo que facilita el uso posterior del resultado.

Además de nombres en forma de cadena, puede pasar cualquier objeto invocable de Python a agg(). La función recibe una Series (los valores de esa columna en un grupo) y debe devolver un escalar. Puede pasar una lambda o una función con nombre. Las funciones personalizadas son más flexibles, pero más lentas que las funciones integradas con nombre, porque no pueden utilizar las optimizaciones de nivel C.

La sintaxis de las agregaciones con nombre también funciona con funciones invocables, no solo con nombres en forma de cadena. Solo tiene que pasar una tupla de (column, function) como valor del argumento con nombre, donde la función sea cualquier objeto invocable que acepte una Series y devuelva un escalar. Esto mantiene la legibilidad del código incluso al combinar funciones integradas con lógica personalizada.

Cuando llama a agg() sobre un GroupBy sin seleccionar una columna específica, Pandas aplica la función a todas las columnas numéricas del DataFrame. Es una forma rápida de obtener un resumen de todas las columnas numéricas a la vez. Tenga en cuenta que las columnas con tipos de datos no numéricos se omitirán silenciosamente en la mayoría de las agregaciones.

Después de agg(), las columnas de agrupación son el índice. Un patrón habitual consiste en llamar inmediatamente a reset_index() para obtener un DataFrame plano, en el que las claves de agrupación sean columnas normales. Después puede cambiar el nombre, ordenar y filtrar el resultado como cualquier otro DataFrame, lo que facilita pasarlo a procesos posteriores o exportarlo.

Es importante distinguir tres métodos de GroupBy: agg() reduce cada grupo a un escalar, lo que produce un resultado con menos filas que el original. transform() devuelve un array con la misma forma que la entrada, por lo que puede añadir estadísticas del grupo como nuevas columnas. apply() es el más flexible, pero también el más lento, y se explica en la siguiente lección.

A continuación se muestra un ejemplo realista de principio a fin: calcular una tabla resumen de ventas con los ingresos totales, el valor medio de los pedidos, el número de pedidos y el intervalo de ingresos por región, con nombres de columna claros y ordenada de forma descendente por los ingresos totales. Este patrón se puede aplicar directamente en flujos de trabajo de análisis de productos, finanzas y marketing.

Compruebe cuánto ha entendido del método agg() explicado en esta lección.

En esta lección ha aprendido a calcular varias agregaciones a la vez con agg(), a usar agregaciones con nombre para obtener nombres de columna claros y a aplicar funciones diferentes a columnas diferentes mediante un diccionario. A continuación exploraremos transform() y filter(), que incorporan información del grupo al DataFrame original.