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

Approfondiamo la nostra conoscenza sul metodo `.groupby()`. Come ricorderai, possiamo utilizzare il metodo `.agg()`. Il principale vantaggio di questa funzione è la sua flessibilità: permette di applicare **più aggregazioni diverse** a **più colonne** contemporaneamente, restituendo una tabella riepilogativa ordinata.

Guarda l'esempio qui sotto. Abbiamo raggruppato i voli per `'Airline'`. Poi, usando `.agg()`, abbiamo contato il numero totale di voli (utilizzando la colonna `'Delay'`) e contemporaneamente trovato la durata minima e massima dei voli (utilizzando la colonna `'Length'`). Molto comodo, vero?

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))

**Spiegazione:**

```python
.agg({'Delay': 'count', 'Length': ['min', 'max']})
```
* `.agg()`: Abbreviazione di "aggregate". Questo metodo prende i dati raggruppati e li condensa in statistiche riepilogative in base alle regole fornite.
* `{}`: Si utilizza un dizionario Python per associare colonne specifiche a operazioni specifiche. Le chiavi sono i nomi delle colonne da selezionare, e i valori sono le funzioni da applicare.
* `'Delay': 'count'`: Indica a pandas di applicare la funzione count alla colonna `'Delay'` per ogni gruppo. Nota che si passa l'alias stringa `'count'` invece di scrivere `count()`. Pandas riconosce questi nomi standard per le statistiche comuni.
* `'Length': ['min', 'max']`: Se si desidera applicare **più di una** funzione a una singola colonna, è necessario inserire i nomi delle funzioni all'interno di una lista `[]`. Qui calcoliamo sia il valore minimo che quello massimo per la colonna `'Length'`.

Poiché sono state applicate più funzioni, il DataFrame risultante creerà automaticamente colonne gerarchiche (MultiIndex). Vedrai `Length` al livello superiore, con `min` e `max` ordinatamente categorizzati sotto di esso.

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

Questo corso contiene molte funzioni utili per un futuro data analyst. Imparerai diversi modi per estrarre dati e persino impostare condizioni su di essi. Successivamente, acquisirai familiarità con i metodi di raggruppamento dei dati. Inoltre, apprenderai come preprocessare i dati. Ogni sezione dispone del proprio set di dati, rendendo il corso coinvolgente.

Questa sezione ti insegnerà come visualizzare colonne specifiche tramite i loro titoli o indici. Inoltre, verranno illustrate le modalità di selezione delle righe tramite indici.

Qui imparerai come estrarre dati che soddisfano condizioni specifiche. Inoltre, apprenderai come combinarle e persino crearne di proprie.

In questa sezione, amplierai le tue conoscenze sull'impostazione di diverse condizioni sui dati. Imparerai a verificare se i tuoi dati sono in un elenco definito di valori o compresi tra due valori. Imparerai inoltre come individuare i valori massimi e minimi.

Questa sezione è una delle più affascinanti del corso. Qui verrà illustrato come raggruppare i dati in modi diversi. Sarà utile per lavorare come data analyst e ottenere informazioni su gruppi di dati specifici.

Questa sezione è una delle più significative per un data analyst, poiché se i dati contengono valori mancanti o in formato errato, sarà impossibile lavorarci. Pertanto, qui si apprenderà come gestire tali valori inappropriati.

Raggruppamento Avanzato

Soluzione