O método agg()

Chamar sum() ou mean() diretamente em um objeto GroupBy fornece uma única estatística. Mas análises reais frequentemente precisam de várias estatísticas ao mesmo tempo — por exemplo, a receita total, o tamanho médio do pedido e a quantidade de pedidos por região. O método agg() (abreviação de aggregate) permite calcular tudo isso em uma única chamada eficiente, em vez de executar agregações separadas e combinar os resultados.

O uso mais simples de agg() consiste em passar uma lista de textos com nomes de funções. O Pandas aplica cada função à coluna selecionada e retorna um DataFrame em que cada coluna corresponde a uma função. Essa abordagem funciona com qualquer nome de agregação integrada: 'sum', 'mean', 'min', 'max', 'count', 'std', 'median' e outros.

Quando você passa uma lista de textos, as colunas de saída recebem os nomes das próprias funções ('sum', 'mean' etc.). Para obter uma saída mais organizada, use agregações nomeadas: passe argumentos nomeados em que a chave é o nome desejado para a coluna e o valor é uma tupla de (column, function). Essa é a abordagem moderna do Pandas e produz um código autoexplicativo.

Você pode passar um dicionário para agg(), em que cada chave é um nome de coluna e cada valor é uma função (ou uma lista de funções) a ser aplicada a essa coluna. Isso permite calcular, por exemplo, sum em revenue, mas mean em units, tudo em uma única chamada de GroupBy.

Quando você passa um dicionário com várias funções por coluna, o resultado tem um MultiIndex nas colunas. O primeiro nível é o nome da coluna original e o segundo é o nome da função. Você pode transformar esses nomes de colunas em uma única cadeia de caracteres usando uma compreensão de lista, facilitando o trabalho com o resultado nas etapas seguintes.

Além de nomes em forma de texto, você pode passar qualquer função chamável do Python para agg(). A função recebe uma Series (os valores daquela coluna em um grupo) e deve retornar um escalar. Você pode passar uma função lambda ou uma função nomeada. As funções personalizadas são mais flexíveis, mas mais lentas do que as funções nomeadas integradas, pois não podem usar as otimizações no nível C.

A sintaxe de agregação nomeada também funciona com funções invocáveis, não apenas com nomes de texto. Basta passar uma tupla de (column, function) como valor do argumento nomeado, em que a função é qualquer função invocável que aceite uma Series e retorne um escalar. Isso mantém o código legível mesmo ao combinar funções integradas com lógica personalizada.

Quando o senhor chama agg() em um GroupBy sem selecionar uma coluna específica, o Pandas aplica a função a todas as colunas numéricas do DataFrame. Essa é uma maneira rápida de obter um resumo de todas as colunas numéricas de uma só vez. Tenha em mente que colunas com tipos de dados não numéricos serão ignoradas silenciosamente na maioria das agregações.

Depois de usar agg(), as colunas usadas para agrupamento tornam-se o índice. Um padrão comum é chamar reset_index() imediatamente para obter um DataFrame plano, no qual as chaves dos grupos são colunas comuns. Em seguida, o senhor pode renomear, ordenar e filtrar o resultado como qualquer outro DataFrame, facilitando seu envio para etapas posteriores ou sua exportação.

É importante distinguir três métodos de GroupBy: agg() reduz cada grupo a um escalar, produzindo um resultado com menos linhas que o original. transform() retorna uma matriz com o mesmo formato da entrada, permitindo adicionar estatísticas do grupo como novas colunas. apply() é o mais flexível, mas também o mais lento, e será abordado na próxima lição.

Veja um exemplo realista de ponta a ponta: calcular uma tabela de resumo de vendas com a receita total, o valor médio dos pedidos, o número de pedidos e o intervalo de receita por região, com nomes de colunas claros e ordenada pela receita total em ordem decrescente. Esse padrão pode ser aplicado diretamente a fluxos de trabalho de análise de produtos, finanças e marketing.

Teste sua compreensão do método agg() apresentado nesta lição.

Nesta lição, o senhor aprendeu: como calcular várias agregações de uma só vez com agg(); como usar agregações nomeadas para obter nomes de colunas claros; e como aplicar funções diferentes a colunas diferentes usando um dicionário. A seguir, exploraremos transform() e filter(), que adicionam informações no nível do grupo de volta ao DataFrame original.