pandas，将多列的多个函数应用于groupby对象

我想将多列的多个函数应用于 groupby 对象，这会产生一个新的pandas.DataFrame.

我知道如何分步骤完成：

by_user = lasts.groupby('user')
elapsed_days = by_user.apply(lambda x: (x.elapsed_time * x.num_cores).sum() / 86400)
running_days = by_user.apply(lambda x: (x.running_time * x.num_cores).sum() / 86400)
user_df = elapsed_days.to_frame('elapsed_days').join(running_days.to_frame('running_days'))

Which results in user_df being:

但我怀疑有更好的方法，例如：

by_user.agg({'elapsed_days': lambda x: (x.elapsed_time * x.num_cores).sum() / 86400, 
             'running_days': lambda x: (x.running_time * x.num_cores).sum() / 86400})

然而，这不起作用，因为据我所知agg()致力于pandas.Series.

我确实找到了这个问题和答案 https://stackoverflow.com/q/14529838/3447047，但这些解决方案对我来说看起来相当丑陋，考虑到答案已经有近四年的历史了，现在可能有更好的方法。

解决方案的另一个可靠的变化是做 @MaxU 所做的事情这个解决方案 https://stackoverflow.com/a/43417577/3899919 to 类似的问题 https://stackoverflow.com/questions/43417090/apply-multiple-functions-at-one-time-to-pandas-groupby-object并包装各个功能在熊猫系列中，因此只需要一个reset_index()返回一个数据帧。

首先，定义转换函数：

def ed(group):
    return group.elapsed_time * group.num_cores).sum() / 86400

def rd(group):
    return group.running_time * group.num_cores).sum() / 86400

将它们包装在一个系列中使用get_stats:

def get_stats(group):
    return pd.Series({'elapsed_days': ed(group),
                      'running_days':rd(group)})

Finally:

lasts.groupby('user').apply(get_stats).reset_index()