agg() trong pandas (pandas agg): nhiều hàm trong một lần gom
Bài 3/13 · Chương 5
GroupBy, map và apply
- 7 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 11
Phương thức agg() của pandas (pandas agg, viết tắt của aggregate) tính nhiều phép tổng hợp trong một lần gom nhóm: tổng, trung bình, lớn nhất, đếm, mỗi phép một cột của bảng kết quả. Bạn dùng nó khi một báo cáo cần vài con số cho mỗi nhóm, như số đơn, tổng tiền và đơn lớn nhất của từng kênh bán.
Cần biết trước: groupby(), groupby nhiều cột và tuple.
Nhiều hàm trên một cột bằng agg()
Với groupby() bạn đã tính một con số cho mỗi nhóm, như sum(). Muốn có cả tổng, trung bình và ca cao nhất của từng chi nhánh, đưa cho agg() một list tên hàm:
import pandas as pd
ban = pd.DataFrame({
"chi_nhanh": ["Huế", "Đà Lạt", "Hà Nội", "Huế", "Hà Nội",
"Đà Lạt", "Huế", "Hà Nội"],
"doanh_thu": [450000, 380000, 620000, 510000, 700000,
290000, 480000, 560000],
})
theo_cn = ban.groupby("chi_nhanh")["doanh_thu"]
bang = theo_cn.agg(["sum", "mean", "max"])
print(bang)
print(type(bang).__name__, bang.columns.to_list())KẾT QUẢ
sum mean max
chi_nhanh
Huế 1440000 480000.00 510000
Hà Nội 1880000 626666.67 700000
Đà Lạt 670000 335000.00 380000
DataFrame ['sum', 'mean', 'max']Một phép tính cho ra Series, ba phép tính cho ra DataFrame: mỗi chi nhánh vẫn một dòng, mỗi hàm thêm một cột mang đúng tên hàm. Tên hàm viết trong dấu nháy là các phép thống kê một cột bạn đã biết ("sum", "mean", "median", "min", "max", "count"), thêm "nunique" để đếm số giá trị khác nhau. Hình dung agg() như một tờ báo cáo kẻ sẵn nhiều cột: mỗi nhóm điền một dòng, mỗi cột ghi một phép tính.
Đặt tên cột kết quả bằng named aggregation
Tên cột sum, mean không cho người đọc báo cáo biết đó là tổng của cái gì. Named aggregation (gom có đặt tên) cho bạn tự chọn tên: bạn viết ten_cot_moi=("cot_goc", "ten_ham") cho từng cột muốn có, phía phải dấu bằng là một tuple hai phần tử.
import pandas as pd
ban = pd.DataFrame({
"chi_nhanh": ["Huế", "Đà Lạt", "Hà Nội", "Huế", "Hà Nội",
"Đà Lạt", "Huế", "Hà Nội"],
"doanh_thu": [450000, 380000, 620000, 510000, 700000,
290000, 480000, 560000],
})
bao_cao = ban.groupby("chi_nhanh").agg(
so_ca=("doanh_thu", "count"),
tong_tien=("doanh_thu", "sum"),
ca_cao_nhat=("doanh_thu", "max"),
)
print(bao_cao)KẾT QUẢ
so_ca tong_tien ca_cao_nhat
chi_nhanh
Huế 3 1440000 510000
Hà Nội 3 1880000 700000
Đà Lạt 2 670000 380000Các cột của kết quả theo đúng thứ tự bạn viết tham số, nên bảng ra đúng như mẫu báo cáo bạn định. Lần này agg() gọi thẳng trên groupby("chi_nhanh"), không chọn cột trước, vì mỗi tuple đã nói cột gốc là cột nào. Đổi "max" thành "min" rồi chạy lại: cột cuối của Huế in 450000, ca thấp nhất của chi nhánh này.
Tính trên nhiều cột trong một lần gom
Mỗi tuple chỉ tới một cột gốc riêng, nên một lệnh agg() tính được trên nhiều cột. Trên file don_hang.csv của bộ dữ liệu thực hành, câu hỏi là đơn bị hủy có khác đơn giao xong không: mỗi trạng thái gồm bao nhiêu mặt hàng khác nhau, mỗi đơn trung bình mấy món, và món đắt nhất giá bao nhiêu:
import pandas as pd
don = pd.read_csv("don_hang.csv")
kq = don.groupby("trang_thai").agg(
so_mat_hang=("ma_sp", "nunique"),
sl_trung_binh=("so_luong", "mean"),
gia_cao_nhat=("don_gia", "max"),
)
print(kq)KẾT QUẢ
so_mat_hang sl_trung_binh gia_cao_nhat
trang_thai
Hoàn thành 60 1.91 890000
Hoàn trả 42 1.68 450000
Đang giao 4 1.20 150000
Đã hủy 53 2.02 890000Ba cột lấy từ ba cột gốc khác nhau: ma_sp, so_luong, don_gia. "nunique" đếm mã sản phẩm không trùng, nên một món được đặt nhiều lần chỉ tính một. Đơn hủy có trung bình 2,02 món, nhỉnh hơn đơn hoàn thành, và cũng có món đắt nhất 890.000 đ: chưa thấy dấu hiệu khách hủy vì giá.
agg() cũng chạy sau phép gom theo nhiều cột. Mỗi cặp (kênh, trạng thái) có số đơn và tổng tiền riêng:
import pandas as pd
don = pd.read_csv("don_hang.csv")
don["doanh_thu"] = don["so_luong"] * don["don_gia"]
kq = don.groupby(["kenh", "trang_thai"]).agg(
so_don=("ma_don", "count"), tong_tien=("doanh_thu", "sum"))
print(kq.head(4))KẾT QUẢ
so_don tong_tien
kenh trang_thai
Cửa hàng Hoàn thành 144 25796000
Hoàn trả 15 2752000
Đang giao 2 60000
Đã hủy 12 3115000Index vẫn có hai tầng như kết quả gom hai cột ở bài trước, còn cột thì mang tên bạn đặt.
Kiểm tra nhanh
Sau
import pandas as pd,pd.DataFrame({"cn": ["Huế", "Huế"], "x": [4, 6]}).groupby("cn")["x"].agg(["min", "mean"]).columns.to_list()cho kết quả gì?['x']['cn', 'min', 'mean']['min', 'mean']
Trong khung bẫy đầu tiên, lệnh
agg(tong_tien=("sum", "doanh_thu"))báo lỗi gì?- Báo lỗi
KeyError, vì pandas tìm cột tênsum - Báo lỗi
TypeError, vì"sum"là chuỗi - Báo lỗi
ValueError, vì têntong_tienchưa có trong bảng
- Báo lỗi
Những lệnh nào cho bảng có hai cột
so_cavàtong_tien, mỗi chi nhánh một dòng?ban.groupby("chi_nhanh").agg(so_ca=("doanh_thu", "count"), tong_tien=("doanh_thu", "sum"))ban.groupby("chi_nhanh")["doanh_thu"].agg(["count", "sum"])ban.groupby("chi_nhanh").agg(so_ca="count", tong_tien="sum")ban.groupby("chi_nhanh")["doanh_thu"].agg(so_ca="count", tong_tien="sum")
Trong khung bẫy thứ hai, cách nào sửa được lỗi
TypeError?- Đổi list thành
["mean", "sum"] - Chọn cột
doanh_thutrước khi gọiagg() - Thêm
as_index=Falsevàogroupby()
- Đổi list thành
Bài tập
Tổng kết điểm của mỗi lớp
Bảng bai_kt ghi điểm các bài kiểm tra của một trung tâm, ba cột lop, hoc_vien, diem; một học viên làm nhiều bài. Viết thân hàm tong_ket_lop(bai_kt) trả về bảng mỗi lớp một dòng, index là lop, có ba cột theo đúng thứ tự:
so_hoc_vien: số học viên khác nhau của lớp.diem_tb: điểm trung bình các bài.diem_thap_nhat: điểm thấp nhất.
Dùng một lệnh agg(). Hàm không sửa bảng bai_kt của nơi gọi.
Trả về: bảng tổng kết theo lớp, một DataFrame.
import pandas as pd
def tong_ket_lop(bai_kt):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
agg(["sum", "mean"])trên một cột đã gom cho DataFrame, mỗi hàm một cột mang tên hàm.Named aggregation viết
ten_cot_moi=("cot_goc", "ten_ham"); cột kết quả theo thứ tự tham số.Tuple viết ngược thành
("sum", "cot")báoKeyError, vì phần tử đầu là tên cột.Một lệnh
agg()tính được trên nhiều cột;"nunique"đếm giá trị khác nhau,"count"đếm dòng có giá trị.List hàm áp lên cả bảng có cột chữ báo
TypeError; chọn cột trước hoặc đặt tên từng cột.
Câu hỏi thường gặp
pandas groupby agg khác gọi thẳng sum() ở đâu?
sum() sau groupby() cho một con số mỗi nhóm. agg() cho nhiều con số mỗi nhóm trong một lần gom, và cho bạn đặt tên từng cột. Khi chỉ cần một phép tính, sum() gọn hơn, như ở bài groupby().
Có truyền dict vào agg() được không?
Được: agg({"doanh_thu": "sum", "ma_don": "count"}) tính mỗi cột một hàm, cột kết quả giữ tên cột gốc. Named aggregation làm cùng việc mà đặt được tên mới, nên báo cáo dễ đọc hơn và cùng một cột gốc tính được nhiều hàm.
Kết quả agg() có tên cột hai tầng thì làm phẳng thế nào?
Tên cột hai tầng xuất hiện khi bạn đưa list hàm cho nhiều cột cùng lúc, ví dụ agg({"doanh_thu": ["sum", "mean"]}). Bài MultiIndex có cách nối hai tầng thành một tên; named aggregation tránh được chuyện này ngay từ đầu.
Muốn đặt tổng của nhóm cạnh từng dòng của bảng gốc thì dùng agg() được không?
Không, agg() rút mỗi nhóm về một dòng. Để mỗi dòng của bảng gốc mang con số của nhóm nó (như tỉ trọng của đơn trong kênh), dùng transform().
Chủ đề
Dữ liệu của bài
- Tải xuống
don_hang.csv
CSV · 109.5 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.