Summary
This chapter explains how to use the pandas groupby().agg() method to apply multiple aggregation functions to multiple DataFrame columns at once, producing a concise summary table with hierarchical column labels.

General domain of usage
Airline flight data analysis

Approfondissons notre compréhension de la méthode `.groupby()`. Comme vous vous en souvenez, nous pouvons utiliser la méthode `.agg()`. L'avantage principal de cette fonction réside dans sa flexibilité : elle permet d'appliquer **plusieurs agrégations différentes** à **plusieurs** colonnes simultanément, tout en retournant un tableau récapitulatif clair.

Consultez l'exemple ci-dessous. Nous avons groupé les vols par `'Airline'`. Ensuite, grâce à `.agg()`, nous avons compté le nombre total de vols (en utilisant la colonne `'Delay'`) et, en même temps, trouvé la durée de vol la plus courte et la plus longue (en utilisant la colonne `'Length'`). Pratique, n'est-ce pas ?

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/plane', index_col = 0)
data_flights = data.groupby('Airline').agg({'Delay': 'count', 'Length': ['min', 'max']})
print(data_flights.head(10))

**Explication :**

```python
.agg({'Delay': 'count', 'Length': ['min', 'max']})
```
* `.agg()` : Abréviation de « aggregate ». Cette méthode prend les données groupées et les condense en statistiques récapitulatives selon les règles que vous fournissez.
* `{}` : Nous utilisons un dictionnaire Python pour associer des colonnes spécifiques à des opérations spécifiques. Les clés sont les noms des colonnes ciblées, et les valeurs sont les fonctions à appliquer.
* `'Delay': 'count'` : Indique à pandas d'appliquer la fonction de comptage à la colonne `'Delay'` pour chaque groupe. Remarquez que nous passons l'alias sous forme de chaîne `'count'` au lieu d'écrire `count()`. Pandas reconnaît ces noms de chaînes standards pour les statistiques courantes.
* `'Length': ['min', 'max']` : Si vous souhaitez appliquer **plus d'une** fonction à une seule colonne, vous devez placer les noms des fonctions dans une liste `[]`. Ici, nous calculons à la fois les valeurs minimale et maximale pour la colonne `'Length'`.

Comme nous avons appliqué plusieurs fonctions, le DataFrame résultant créera automatiquement des colonnes hiérarchiques (MultiIndex). Vous verrez `Length` au niveau supérieur, avec `min` et `max` classés proprement en dessous.

import unittest
import pandas as pd
import io
import sys


def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)


def frames_equal(df1, df2):
    """ÐÐµÑÐµÐ²ÑÑÐºÐ° ÑÑÐ²Ð½Ð¾ÑÑÑ DataFrame Ð½ÐµÐ·Ð°Ð»ÐµÐ¶Ð½Ð¾ Ð²ÑÐ´ Ð½Ð°Ð·Ð² ÐºÐ¾Ð»Ð¾Ð½Ð¾Ðº Ñ MultiIndex."""
    try:
        df1_sorted = df1.sort_index()
        df2_sorted = df2.sort_index()
        return df1_sorted.equals(df2_sorted)
    except Exception:
        return False


class TestFlightAggregations(unittest.TestCase):
    def test_group_and_aggregate(self):
        """
        Check if the grouped DataFrame correctly aggregates:
        - mean and max of 'Time';
        - median of 'Length';
        grouped by ['AirportFrom', 'AirportTo'] (in that order).
        """
        import user_code

        # Reference dataset
        url = "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/plane"
        df = pd.read_csv(url, index_col=0)

        # Expected result
        ref = df.groupby(['AirportFrom', 'AirportTo']).agg({'Time': ['mean', 'max'], 'Length': 'median'})

        # User result
        assert hasattr(user_code, "data_flights"), "Variable 'data_flights' is missing."
        user_result = user_code.data_flights

        # Compare
        condition = isinstance(user_result, pd.DataFrame) and frames_equal(user_result, ref)
        _dynamic_test(
            self,
            condition,
            "The grouped DataFrame 'data_flights' correctly calculates mean, max (Time) and median (Length).",
            "The aggregation result is incorrect. Ensure you group by ['AirportFrom', 'AirportTo'] and calculate the correct aggregations."
        )


class TestOutput(unittest.TestCase):
    def test_output_head_10(self):
        """
        Check that the output of print(data_flights.head(10)) is not empty.
        """
        import user_code
        captured_output = io.StringIO()
        sys.stdout = captured_output
        print(user_code.data_flights.head(10))
        sys.stdout = sys.__stdout__

        output_text = captured_output.getvalue().strip()
        condition = len(output_text) > 0
        _dynamic_test(
            self,
            condition,
            "The first 10 rows of 'data_flights' are printed correctly using .head(10).",
            "The output is missing or incorrect. Use print(data_flights.head(10))."
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

Ce cours contient de nombreuses fonctions utiles pour un futur analyste de données. Vous découvrirez différentes méthodes d'extraction des données et pourrez même définir des conditions sur celles-ci. Ensuite, vous vous familiariserez avec les méthodes de regroupement des données. Vous apprendrez également à prétraiter les données. Chaque section dispose de son propre ensemble de données, rendant le cours captivant.

Cette section vous apprendra à afficher des colonnes spécifiques par leurs titres ou indices. Vous découvrirez également les différentes méthodes de sélection des lignes par indices.

Ici, vous apprendrez à extraire des données répondant à des conditions spécifiques. Vous découvrirez également comment les combiner et même créer vos propres conditions.

Dans cette section, vous approfondirez vos connaissances sur la définition de différentes conditions de données. Vous apprendrez à vérifier si vos données figurent dans une liste de valeurs définies ou se situent entre deux valeurs. Vous découvrirez également comment identifier les valeurs les plus grandes et les plus petites.

Cette section est l'une des plus fascinantes du cours. Vous apprendrez ici à regrouper les données de différentes manières. Cela vous aidera à travailler en tant qu'analyste de données pour obtenir des informations sur des groupes de données spécifiques.

Cette section est l'une des plus importantes pour un analyste de données, car si les données contiennent des valeurs manquantes ou sont dans un format incorrect, il sera impossible de les exploiter. Ainsi, vous apprendrez ici comment traiter de telles valeurs inappropriées.

Regroupement Avancé

Solution