请问height_weight这个字段是聚合值吗

在dataframe 中新建身高体重比列df['h/w']=df['height']/df['weight']，然后用df.groupby('sex').mean()就会出来按sex分组的身高、体重、身高体重比的平均值，结果是一个数据框。
In [43]:
      df.groupby('sex').mean()                                          
Out[43]:
     height  weight       h/w
sex                          
f     157.5    95.0  1.661111
m     177.5   140.0  1.275641
如果想同时出现更多的函数，比如标准差，可以
In[39]:
          df.query("sex=='f'").apply([np.mean,np.std])                       
Out[39]:
          height     weight       h/w
mean  157.500000  95.000000  1.661111
std     3.535534   7.071068  0.086424
df.query("sex=='m'").apply([np.mean,np.std])                       
Out[40]:
          height      weight       h/w
mean  177.500000  140.000000  1.275641
std     3.535534   14.142136  0.154113

In[40]
          df.query("sex=='m'").apply([np.mean,np.std])                       
Out[40]:
          height      weight       h/w
mean  177.500000  140.000000  1.275641
std     3.535534   14.142136  0.154113

或者一个更快的方法，利用dateframe 自带的describe属性，
df.groupby('sex').apply(lambda x:x.describe())
结果       
                                     ht        wt        h/w
sex                               
f        count        3.000000        3.000000        3.000000
       mean        166.666667        62.333333        2.690519
       std        3.511885        6.429101        0.244372
      min        163.000000        55.000000        2.492537
     25%        165.000000        60.000000        2.553961
     50%        167.000000        65.000000        2.615385
    75%        168.500000        66.000000        2.789510
    max        170.000000        67.000000        2.963636
m        count        3.000000        3.000000        3.000000
       mean        166.666667        60.000000        2.813692
       std        16.072751        6.000000        0.553563
     min        155.000000        54.000000        2.348485
    25%        157.500000        57.000000        2.507576
    50%        160.000000        60.000000        2.666667
   75%        172.500000        63.000000        3.046296
    max        185.000000        66.000000        3.425926
如果觉得默认函数太多，可以参照此方式自行编写函数
df.groupby('sex').apply(lambda x:pd.DataFrame({'mean':np.mean(x),'std':np.std(x)}))
结果：
                           mean        std
sex                       
f        ht        166.666667        2.867442
       wt        62.333333        5.249339
     h/w        2.690519               0.199529
m        ht        166.666667        13.123346
       wt        60.000000        4.898979
     h/w        2.813692                0.451982

hadley 虽然搞出一个‘tidyverse'，但那个语法真心奇葩，数据预处理和数据清洗，还是老老实实用pandas 吧。