Aggregate()函数,Pandas Aggregate()使用示例-7-慕源网

Pandas Aggregate() 简介

Pandas Aggregate() 函数用于计算围绕特定轴的多个操作的聚合。

Pandas 中的aggregate() 函数的语法是，

Dataframe.aggregate(self, function, axis=0, **arguments, **keywordarguments)

函数用于聚合信息。如果一个容量应该在传递 DataFrame 或转到 DataFrame.apply 时工作。该函数可以是任何类型，可以是字符串名称或函数列表，例如均值、总和等，或轴标签字典。
Axis 函数默认设置为 0，因为我们必须将此函数应用于特定行中的所有索引。如果轴指定为 1，则意味着我们必须将此函数应用于列。
参数和关键字参数是传递函数的位置参数。

这些聚合函数也称为 agg()。agg() 工作用于在预定集线器上总共使用至少一项任务。它返回标量、系列或数据帧函数。当返回为标量时，series.agg 由单个容量调用。当返回为系列时，dataframe.agg 以单一容量调用，当返回为数据帧时，dataframe.agg 使用多个函数调用。

Pandas aggregate() 函数如何工作？

现在我们看看aggregate()函数如何在 Pandas 中针对不同的行和列工作。聚合任务不断地通过一个数据透视表执行。这种行为与 numpy 总容量（平均值、中间、轻推、总计、var）不同，例如，numpy.mean(arr_2d) 而不是 numpy.mean(arr_2d, axis=0).

示例 #1 – 在rows上使用aggregate() 函数

代码：

import numpy as np
import pandas as pd
df = pd.DataFrame([[1, 2, 3],
[5, 4, 6],
[7, 8, 9],
[np.nan, np.nan, np.nan]],
columns=['S', 'P', 'A'])
df.agg(['sum', 'min'])
print(df.agg(['sum', 'min']))

输出：

在上面的程序中，我们最初将 numpy 导入为 np ，然后将 Pandas 导入为 pd 并创建一个数据框。这里的程序是通过使用aggregate() 函数计算这些特定行的总和和最小值。这仅对行执行aggregate()操作。我们首先将列创建为 S、P、A，最后提供命令来实现这些行的总和和最小值，并产生输出。

示例 #2 – 对每列使用多个聚合

代码：

import numpy as np
import pandas as pd
df = pd.DataFrame([[1, 2, 3],
[5, 4, 6],
[7, 8, 9],
[np.nan, np.nan, np.nan]],
columns=['S', 'P', 'A'])
df.agg({'S' : ['sum', 'min'], 'P' : ['min', 'max']})
print(df.agg({'S' : ['sum', 'min'], 'P' : ['min', 'max']}))

输出：

在上面的代码中，我们使用 Pandas 中的aggregate() 函数计算多列的最小值和最大值。我们首先将 numpy 作为 np 导入，然后将 pandas 作为 pd 导入。然后我们创建一个数据帧并将该特定数据帧中的所有索引分配为行和列。然后我们添加命令 df.agg 并指定我们要检查最小值、最大值和总和值的行和列，并打印函数并生成输出。

示例#3 – 利用aggregate() 函数并计算仅列的平均值

代码：

import numpy as np
import pandas as pd
df = pd.DataFrame([[1, 2, 3],
[5, 4, 6],
[7, 8, 9],
[np.nan, np.nan, np.nan]],
columns=['S', 'P', 'A'])
df.agg("mean", axis="columns")
print(df.agg("mean", axis="columns"))

输出：