La méthode agg()

Appeler directement sum() ou mean() sur un objet GroupBy vous fournit une seule statistique. Or, les analyses réelles nécessitent souvent plusieurs statistiques à la fois, par exemple le chiffre d’affaires total, la taille moyenne des commandes et le nombre de commandes par région. La méthode agg() — abréviation de aggregate — vous permet de calculer toutes ces valeurs en un seul appel efficace, au lieu d’exécuter des agrégations séparées et de fusionner les résultats.

L’utilisation la plus simple de agg() consiste à transmettre une liste de chaînes contenant des noms de fonctions. Pandas applique chaque fonction à la colonne sélectionnée et renvoie un DataFrame dans lequel chaque colonne correspond à une fonction. Cette approche fonctionne avec n’importe quel nom d’agrégation intégré : 'sum', 'mean', 'min', 'max', 'count', 'std', 'median', et bien d’autres.

Lorsque vous transmettez une liste de chaînes, les colonnes de sortie portent le nom des fonctions elles-mêmes ('sum', 'mean', etc.). Pour obtenir une sortie plus claire, utilisez des agrégations nommées : transmettez des arguments nommés dont la clé est le nom de colonne souhaité et la valeur est un tuple de (column, function). Il s’agit de l’approche Pandas moderne, qui produit un code explicite et facile à comprendre.

Vous pouvez transmettre un dictionnaire à agg(), dans lequel chaque clé est un nom de colonne et chaque valeur est une fonction — ou une liste de fonctions — à appliquer à cette colonne. Vous pouvez ainsi calculer, par exemple, sum sur revenue et mean sur units, le tout dans un seul appel GroupBy.

Lorsque vous transmettez un dictionnaire contenant plusieurs fonctions par colonne, le résultat possède un MultiIndex sur les colonnes. Le premier niveau est le nom de la colonne d’origine et le deuxième, le nom de la fonction. Vous pouvez aplatir ces noms de colonnes en une seule chaîne avec une compréhension de liste, ce qui facilite l’utilisation ultérieure du résultat.

En plus des noms sous forme de chaînes, vous pouvez transmettre n’importe quelle fonction Python appelable à agg(). La fonction reçoit une Series — les valeurs de cette colonne dans un groupe — et doit renvoyer un scalaire. Vous pouvez transmettre une lambda ou une fonction nommée. Les fonctions personnalisées sont plus flexibles, mais plus lentes que les fonctions nommées intégrées, car elles ne peuvent pas utiliser les optimisations de niveau C.

La syntaxe des agrégations nommées fonctionne également avec des fonctions appelables, et pas seulement avec des noms sous forme de chaînes. Il vous suffit de transmettre un tuple de (column, function) comme valeur de l’argument nommé, où la fonction est une fonction appelable qui accepte une Series et renvoie une valeur scalaire. Votre code reste ainsi lisible, même lorsque vous combinez des fonctions intégrées avec une logique personnalisée.

Lorsque vous appelez agg() sur un GroupBy sans sélectionner de colonne précise, Pandas applique la fonction à chaque colonne numérique du DataFrame. C’est une manière rapide d’obtenir en une seule fois un résumé de toutes les colonnes numériques. Notez que les colonnes dont le type de données n’est pas numérique sont généralement ignorées silencieusement par la plupart des agrégations.

Après agg(), la ou les colonnes de regroupement deviennent l’index. Il est courant d’appeler immédiatement reset_index() pour obtenir un DataFrame aplati, dans lequel les clés de regroupement sont des colonnes ordinaires. Vous pouvez ensuite renommer, trier et filtrer le résultat comme n’importe quel autre DataFrame, ce qui facilite sa transmission à l’étape suivante ou son exportation.

Il est important de distinguer trois méthodes de GroupBy : agg() réduit chaque groupe à une valeur scalaire, ce qui produit un résultat comportant moins de lignes que l’original. transform() renvoie un tableau de la même forme que l’entrée, ce qui vous permet d’ajouter des statistiques au niveau du groupe comme nouvelles colonnes. apply() est la méthode la plus flexible, mais aussi la plus lente ; elle est présentée dans la leçon suivante.

Voici un exemple réaliste de bout en bout : calculer un tableau récapitulatif des ventes contenant le chiffre d’affaires total, la valeur moyenne des commandes, le nombre de commandes et l’étendue du chiffre d’affaires par région, avec des noms de colonnes clairs, puis le trier par chiffre d’affaires total décroissant. Ce modèle s’applique directement aux flux de travail d’analyse des produits, de la finance et du marketing.

Vérifiez votre compréhension de la méthode agg() présentée dans cette leçon.

Dans cette leçon, vous avez appris à effectuer plusieurs agrégations en une seule fois avec agg(), à utiliser les agrégations nommées pour obtenir des noms de colonnes clairs et à appliquer des fonctions différentes à des colonnes différentes à l’aide d’un dictionnaire. Nous allons maintenant découvrir transform() et filter(), qui réinjectent des informations au niveau des groupes dans le DataFrame d’origine.