Pandas GroupBy: Aggregation, Transform, Apply (Guia 2025)

Name

Rajiv Chandra

Updated on 19/11/2025

O padrão split-apply-combine é o ponto forte do Pandas. A dificuldade: escolher entre agg, transform ou apply, além de lidar com ordenação, grupos ausentes ou SettingWithCopy.

Estrutura PAS:

• Problema: Cálculos agrupados parecem opacos e lentos quando só precisamos de totais ou razões por linha.
• Agitar: Usar apply em excesso ou esquecer as_index=False gera formas inesperadas, colunas duplicadas e pipelines lentos.
• Solução: Poucos padrões bastam—agg para resumos, transform para métricas por linha, apply apenas quando necessário—com opções claras de ordenação e tratamento de grupos faltantes.

Guia rápido: quando usar cada método

Dados de exemplo

import pandas as pd
 
data = {
    "team": ["A", "A", "B", "B", "B", "C"],
    "player": ["x1", "x2", "y1", "y2", "y3", "z1"],
    "score": [9, 7, 8, 6, 10, 3],
    "minutes": [30, 25, 28, 32, 20, 15],
}
df = pd.DataFrame(data)

Padrões de agregação (agg)

summary = (
    df.groupby("team", as_index=False)
      .agg(
          avg_score=("score", "mean"),
          max_score=("score", "max"),
          minutes_played=("minutes", "sum"),
      )
)

• Use named aggregation para manter nomes limpos.
• as_index=False conserva team como coluna (útil para merges e gráficos).
• sort=False preserva a ordem original quando isso importa.

Múltiplas agregações em uma coluna

df.groupby("team", as_index=False).agg(
    score_mean=("score", "mean"),
    score_std=("score", "std"),
    score_count=("score", "size"),
)

Features por linha (transform)

transform mantém o tamanho original e devolve métricas de grupo para cada linha.

df["score_pct_of_team"] = (
    df["score"] / df.groupby("team")["score"].transform("sum")
)

Z-score por equipe:

df["score_z"] = (
    df.groupby("team")["score"]
      .transform(lambda s: (s - s.mean()) / s.std(ddof=0))
)

Quando usar transform:

• Razões em relação ao total do grupo
• Scores normalizados
• Flags de grupo (ex.: rank, cumcount)

Quando apply vale a pena

apply é flexível, mas mais lento; use só quando agg/transform não bastam.

def top_n(group, n=2):
    return group.nlargest(n, "score")
 
top_players = df.groupby("team").apply(top_n, n=1).reset_index(drop=True)

Use apply se:

• o número de linhas por grupo varia;
• a lógica precisa de Python não vetorizado.

Grupos faltantes e ordenação

result = (
    df.groupby("team", dropna=False, sort=False)
      .agg(avg_score=("score", "mean"))
)

• dropna=False mantém rótulos NaN.
• sort=False evita reordenar—útil quando a ordem tem significado.

GroupBy com múltiplas chaves e índices

multi = (
    df.groupby(["team", "player"], as_index=False)
      .agg(score_mean=("score", "mean"))
)

Agrupando por níveis de índice:

df2 = df.set_index(["team", "player"])
df2.groupby(level="team")["score"].mean()

Armadilhas comuns

Dicas de exportação e visualização

• Depois de agregar, ordene para apresentação: summary.sort_values("avg_score", ascending=False).
• Para gráficos, faça pivot do resumo: summary.pivot(index="team", values="avg_score").

Guias relacionados

• Pandas Merge e Join
• Pandas Pivot e Melt
• Pandas Data Cleaning
• Pandas Visualization

Em resumo

• agg para resumos, transform para features por linha, apply com parcimônia.
• Controle a forma com as_index e reset_index.
• Gerencie ordem e rótulos ausentes com sort e dropna.
• Prefira métodos vetorizados para manter pipelines rápidas.