# 7.2 अनेक keys आणि named aggregation

Source: https://ravindrabagale.com/mr/datascience/ch07-groupby-and-aggregations/7-2-multiple-keys-and-named-agg.html
Language: mr (Marathi with English technical terms)

City आणि festival अशी दोन keys वापरून प्रत्येक जोडीची summary बनवू. Output columns ना सुरुवातीपासून स्पष्ट नावं देऊ:

summary = (
    df.groupby(["city", "festival"], as_index=False)
      .agg(
          gmv=("amount", "sum"),
          orders=("order_id", "nunique"),
          avg_ticket=("amount", "mean"),
      )
)
summary.sort_values("gmv", ascending=False)

Jupyter मध्ये steps

मागच्या lesson मधला df तयार करा.

groupby("city")["amount"].sum() run करा.

वरची named aggregation वापरून summary बनवा.

summary[summary["festival"] == "Diwali"] वापरून filter करा.

काल्पनिक sample मध्ये Pune चा Diwali GMV हा त्याच्या None group पेक्षा जास्त आहे. Nashik ची Diwali row दिसेल; त्याच city ची None row या sample मध्ये नसल्यामुळे Nashik साठी तुलना करता येत नाही.

रवींद्र बागले यांची tip

Report साठी as_index=False आणि gmv=("amount","sum") सारखी named aggregation वापरा. GroupBy नंतर output चे column names समजायला सोपे राहतात.