Il metodo agg()

Chiamare direttamente sum() o mean() su un oggetto GroupBy restituisce una sola statistica. Tuttavia, nelle analisi reali spesso servono più statistiche contemporaneamente, ad esempio il ricavo totale, il valore medio dell’ordine e il numero di ordini per regione. Il metodo agg() (abbreviazione di aggregate) consente di calcolarle tutte in un’unica chiamata efficiente, invece di eseguire aggregazioni separate e unirne i risultati.

L’utilizzo più semplice di agg() consiste nel passare un elenco di stringhe contenenti nomi di funzione. Pandas applica ogni funzione alla colonna selezionata e restituisce un DataFrame in cui ogni colonna corrisponde a una funzione. Questo approccio funziona con qualsiasi nome di aggregazione integrata: 'sum', 'mean', 'min', 'max', 'count', 'std', 'median' e altri.

Quando passa un elenco di stringhe, le colonne di output vengono denominate in base alle funzioni stesse ('sum', 'mean' ecc.). Per ottenere un output più ordinato, utilizzi le aggregazioni con nome: passi argomenti keyword in cui la chiave è il nome desiderato della colonna e il valore è una tupla di (column, function). Questo è l’approccio moderno di Pandas e produce codice autoesplicativo.

Può passare un dizionario a agg(), in cui ogni chiave è il nome di una colonna e ogni valore è una funzione, o un elenco di funzioni, da applicare a quella colonna. Questo Le consente, ad esempio, di calcolare sum su revenue e mean su units, tutto in un’unica chiamata GroupBy.

Quando passa un dizionario con più funzioni per colonna, il risultato presenta un MultiIndex sulle colonne. Il primo livello è il nome della colonna originale, mentre il secondo è il nome della funzione. Può appiattire questi nomi di colonna in un’unica stringa con una list comprehension, rendendo il risultato più facile da usare nelle fasi successive.

Oltre ai nomi sotto forma di stringa, può passare a agg() qualsiasi callable Python. La funzione riceve una Series, ovvero i valori di quella colonna in un gruppo, e deve restituire uno scalare. Può passare una lambda o una funzione con nome. Le funzioni personalizzate sono più flessibili, ma più lente di quelle integrate nominate, perché non possono utilizzare le ottimizzazioni a livello C.

La sintassi delle aggregazioni con nome funziona anche con funzioni chiamabili, non solo con nomi stringa. È sufficiente passare una tupla di (column, function) come valore dell'argomento con nome, dove la funzione è una qualsiasi funzione chiamabile che accetta una Series e restituisce uno scalare. In questo modo il codice rimane leggibile anche quando si combinano funzioni integrate e logica personalizzata.

Quando si chiama agg() su un GroupBy senza selezionare una colonna specifica, Pandas applica la funzione a ogni colonna numerica del DataFrame. È un modo rapido per ottenere contemporaneamente un riepilogo di tutte le colonne numeriche. Tenga presente che le colonne con tipi di dati non numerici vengono generalmente ignorate senza avviso nella maggior parte delle aggregazioni.

Dopo agg(), le colonne usate per il raggruppamento diventano l'indice. Un approccio comune consiste nel chiamare subito reset_index() per ottenere un DataFrame piatto, in cui le chiavi dei gruppi sono normali colonne. È quindi possibile rinominare, ordinare e filtrare il risultato come qualsiasi altro DataFrame, così da poterlo passare facilmente alle fasi successive o esportarlo.

È importante distinguere tre metodi di GroupBy: agg() riduce ogni gruppo a uno scalare, producendo un risultato con meno righe rispetto all'originale. transform() restituisce un array con la stessa forma dell'input, consentendo di aggiungere statistiche a livello di gruppo come nuove colonne. apply() è il metodo più flessibile, ma anche il più lento, e verrà trattato nella lezione successiva.

Ecco un esempio realistico completo: calcolare una tabella riepilogativa delle vendite con ricavi totali, valore medio degli ordini, numero di ordini e intervallo dei ricavi per regione, usando nomi di colonna chiari e ordinando per ricavi totali in ordine decrescente. Questo approccio è direttamente applicabile ai flussi di lavoro di analisi di prodotto, finanza e marketing.

Verifichi la Sua comprensione del metodo agg() presentato in questa lezione.

In questa lezione ha imparato a calcolare più aggregazioni contemporaneamente con agg(), a usare le aggregazioni con nome per ottenere nomi di colonna chiari e ad applicare funzioni diverse a colonne diverse usando un dizionario. Nella prossima lezione esploreremo transform() e filter(), che aggiungono nuovamente al DataFrame originale informazioni a livello di gruppo.