pandas分组求和两种方法的比较

Pandas是Python语言的一个扩展程序库，被广泛应用于数据分析。在数据分析工作中，如果要将数据根据某个（多个）字段划分为不同的组（group），则需要用到Pandas的groupby方法。
在对不同的组进行求和操作时，我们既可以直接使用sum()函数，也可以使用agg聚合函数。这两种方法有什么区别呢？哪种方法会更好？
举个简单的例子：

df = pd.DataFrame({"Fruits":["apple","banana","apple","pear","apple","banana"],"Numbers":[5,8,9,3,4,5]})

df的值如下所示：

我们根据水果的种类进行分组，来求取每种水果的数量总和。
1、直接使用sum()函数

df0 = df.groupby(['Fruits'])['Numbers'].sum()
df0

得到的结果：

我们注意，得到的结果只有索引，而没有列名，结果是Series类型。
2、使用聚合函数agg
DataFrame.agg（func，axis = 0，* args，** kwargs ）
参数func采用字典形式：{‘行名/列名’：‘函数名’}，其使用指定轴上的一个或多个操作进行聚合。

df1 = df.groupby(['Fruits']).agg({"Numbers":"sum"})
df1

得到的结果：

此次得到的结果既有索引又有列名，因此是DataFrame类型。
pandas分组求和的两种方法，得到的结果类型是不一样的。因此，我们在使用pandas进行分组求和的时候，需要注意这两种方法的区别。个人更推荐使用agg聚合函数，因为这种方法更简明易懂。