我们正在努力脱离SAS，转而使用Python / Pandas。但是，我们遇到的一件事是创建具有SAS例程灵活性的PROC SUMMARY（AKA
PROC MEANS）替代品。对于非SAS用户：PROC SUMMARY只是一个例程，它生成一个表，该表包含数据集中“所有观测值或一组观测值内变量的描述性统计信息”，以解释SAS文档。我们的需求只是全部功能的一小部分-
输出一个我们拥有的表：

• 能够将不同的统计信息应用于不同的列（目前仅用于计数，总和，均值，加权均值）
• 能够处理零到许多分组变量
• 能够为加权平均值指定权重变量

我们没有尝试做其他任何事情（任何图形等）。

到目前为止，这里是：

def wmean_ungrouped (d,w):
    return (d.dot(w)).sum() / w.sum()

def wmean_grouped (group, var_name_in, var_name_weight):
    d = group[var_name_in]
    w = group[var_name_weight]
    return (d * w).sum() / w.sum()

FUNCS = {
    "mean"   : np.mean ,
    "sum"   : np.sum ,
    "count" : np.count_nonzero
}

def my_summary (
        data ,
        var_names_in ,
        var_names_out ,
        var_functions ,
        var_name_weight = None ,
        var_names_group = None
):
    result = DataFrame()

    if var_names_group is not None:
        grouped = data.groupby (var_names_group)
        for var_name_in, var_name_out, var_function in \
                zip(var_names_in,var_names_out,var_functions):
            if var_function == "wmean":
                func = lambda x : wmean_grouped (x, var_name_in, var_name_weight)
                result[var_name_out] = Series(grouped.apply(func))
            else:
                func = FUNCS[var_function]
                result[var_name_out] = grouped[var_name_in].apply(func)
    else:
        for var_name_in, var_name_out, var_function in \
                zip(var_names_in,var_names_out,var_functions):
            if var_function == "wmean":
                result[var_name_out] = \
                    Series(wmean_ungrouped(data[var_name_in], data[var_name_weight]))
            else:
                func = FUNCS[var_function]
                result[var_name_out] = Series(func(data[var_name_in]))

    return result

这是对该my_summary()函数的示例调用：

    my_summary (
        data=df,
        var_names_in=["x_1","x_1","x_1","x_1"] ,
        var_names_out=[
            "x_1_c","x_1_s","x_1_m","x_1_wm"
        ] ,
        var_functions=["count","sum","mean","wmean"] ,
        var_name_weight="val_1" ,
        var_names_group=["Region","Category"]
)

my_summary()可以，但是如您所见，它的实现并不是最漂亮的。以下是主要问题：

• 取决于分组或未分组的两个不同的代码路径 -这完全源于以下事实，DataFrame并且DataFrameGroupBy具有将以编程方式选择的归约函数应用于单个列的方式不同。因为DataFrame，我发现的唯一方法是直接调用func(data[var_name_in])。data[var_name_in].apply(func)不起作用，因为apply()在Series上不会减少（与apply()上不同DataFrame）。另一方面，对于DataFrameGroupBy，我必须使用这种方法：grouped[var_name_in].apply(func)。那是因为类似的东西func(grouped[var_name_in])将不起作用（没有理由应该这样做）。
• 加权均值的特殊处理 -这是因为它在两列上运行，而与所有其他计算只在一个列上运行不同。我不知道这是否可以帮助您。
• 两个不同的加权均值函数 -这是第一个问题的结果。未分组的函数具有Series-type参数，需要对其dot()进行乘法和缩减；分组的函数最终会处理SeriesGroupBy对象，并且必须使用*运算符（对于加权平均函数代码，对此SO职位的答复表示感谢。）

所以我的问题是：

• 熊猫有没有一种可以做到所有这些功能的东西（即扔掉上面的东西，改用它）？
• 如果不是，是否对上述任何问题进行了修复？
• 碰巧有什么办法可以不进行任何分组-也就是说，从中获取DataFrameGroupBy对象DataFrame而不对任何变量进行分组吗？然后，将减少代码路径，因为我们将DataFrameGroupBy专门处理接口。

更新（旧-向下滚动至当前）

@JohnE的答案提供了一种按任何内容进行分组的方法： groupby(lambda x: True)。他在此SO帖子中发现了这种变通方法（顺便说一句，Wes亲自回答了对a的需求DataFrame.agg()，这将达到相同的目的）。@JohnE的出色解决方案使我们能够专门处理type的对象DataFrameGroupBy，并立即减少大多数代码路径。由于我们只有DataFrameGroupBy实例，因此我现在可以使用一些可行的功能来进一步减少操作。基本上，所有函数都是根据需要生成的-“生成器”（在此处加引号，以免与Python生成器表达式混淆）具有两个参数：值列名称和权重列名称，在所有情况下都将忽略其中的第二个参数wmean。生成的函数始终应用于整个DataFrameGroupBy，就像最初使用时一样wmean，其参数是要使用的正确列名。我还np.*用熊猫计算替换了所有实现，以更好地处理NaN值。

除非有熊猫本来的东西可以做到这一点，否则这是我们的解决方案：

FUNC_GENS = {
    "mean"  : lambda y,z : lambda x : x[y].mean(),
    "sum"   : lambda y,z : lambda x : x[y].sum() ,
    "count" : lambda y,z : lambda x : x[y].count() ,
    "wmean" : lambda y,z : lambda x : (x[y] * x[z]).sum() / x[z].sum()
}

def my_summary (
        data ,
        var_names_in ,
        var_names_out ,
        var_functions ,
        var_name_weight = None ,
        var_names_group = None ):

    result = pd.DataFrame()

    if var_names_group is None:
        grouped = data.groupby (lambda x: True)
    else:
        grouped = data.groupby (var_names_group)

    for var_name_in, var_name_out, var_function in \
            zip(var_names_in,var_names_out,var_functions):
        func_gen = FUNC_GENS[var_function]
        func = func_gen (var_name_in, var_name_weight)
        result[var_name_out] = grouped.apply(func)

    return result

2019年更新/当前解决方案

在我的原始文章之后发布的熊猫版本现在实现了以下大多数功能：

• 按 空分组-Wes M.在过去曾说过需要a DataFrame.agg()，并且确实在0.20.0版本中加上了Series.agg()。
• 多个列的多个聚合，并为输出列指定名称 -从0.25。+版本开始，这是熊猫的一部分，以函数输入的形式出现NamedAgg``agg()

因此，除加权平均值外，基本上所有其他内容。一个好的当前解决方案在这里。