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

Ampliemos nuestro conocimiento sobre el método `.groupby()`. Como recordará, podemos utilizar el método `.agg()`. La principal ventaja de esta función es su flexibilidad: permite aplicar **múltiples y diferentes** agregaciones a **varias** columnas al mismo tiempo, devolviendo una tabla resumen clara.

Observe el siguiente ejemplo. Agrupamos los vuelos por `'Airline'`. Luego, usando `.agg()`, contamos el número total de vuelos (utilizando la columna `'Delay'`) y, simultáneamente, encontramos la duración más corta y más larga de los vuelos (utilizando la columna `'Length'`). Muy conveniente, ¿verdad?

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))

**Explicación:**

```python
.agg({'Delay': 'count', 'Length': ['min', 'max']})
```
* `.agg()`: Abreviatura de "aggregate" (agregar). Este método toma los datos agrupados y los condensa en estadísticas resumidas según las reglas que proporcione.
* `{}`: Se utiliza un diccionario de Python para asignar columnas específicas a operaciones específicas. Las claves son los nombres de las columnas que desea seleccionar y los valores son las funciones que desea aplicar.
* `'Delay': 'count'`: Indica a pandas que aplique la función de conteo a la columna `'Delay'` para cada grupo. Observe que se pasa el alias de cadena `'count'` en lugar de escribir `count()`. Pandas reconoce estos nombres estándar de cadena para estadísticas comunes.
* `'Length': ['min', 'max']`: Si desea aplicar **más de una** función a una sola columna, debe colocar los nombres de las funciones dentro de una lista `[]`. Aquí, se calculan tanto los valores mínimos como máximos para la columna `'Length'`.

Debido a que se aplicaron múltiples funciones, el DataFrame resultante creará automáticamente columnas jerárquicas (MultiIndex). Verá `Length` en el nivel superior, con `min` y `max` categorizados ordenadamente debajo de él.

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

Este curso contiene muchas funciones útiles para un futuro analista de datos. Aprenderá diferentes formas de extraer datos e incluso establecer condiciones sobre ellos. Después de esto, estará familiarizado con los métodos de agrupación de datos. Además, aprenderá cómo preprocesar datos. Cada sección tiene su propio conjunto de datos, lo que hace que el curso sea interesante.

Esta sección le enseñará cómo mostrar columnas específicas por sus títulos o índices. Además, se familiarizará con las formas en que puede seleccionar filas por sus índices.

Aquí aprenderá a extraer datos que cumplen condiciones específicas. Además, aprenderá a combinarlas e incluso a crear las suyas propias.

En esta sección, ampliará su conocimiento sobre el establecimiento de diferentes condiciones de datos. Aprenderá a verificar si sus datos se encuentran en una lista definida de valores o entre dos valores. También aprenderá a encontrar los valores más grandes y más pequeños.

Esta sección es una de las más fascinantes del curso. Aquí aprenderá cómo agrupar datos de diferentes maneras. Le ayudará a trabajar como analista de datos para obtener información sobre grupos de datos específicos.

Esta sección es una de las más significativas para un analista de datos, ya que si los datos contienen valores faltantes o en un formato incorrecto, será imposible trabajar con ellos. Por lo tanto, aquí aprenderá cómo tratar dichos valores inapropiados.

Agrupamiento Avanzado

Solución