Python Pandas Series.aggregate()用法及代码示例

Pandas 系列是带有轴标签的一维ndarray。标签不必是唯一的，但必须是可哈希的类型。该对象同时支持基于整数和基于标签的索引，并提供了许多方法来执行涉及索引的操作。

Pandas Series.aggregate()函数在给定系列对象中的指定轴上使用一个或多个操作进行聚合。

用法： Series.aggregate(func, axis=0, *args, **kwargs)

范例1：采用Series.aggregate()函数对给定系列对象的基础数据执行聚合。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series([34, 5, 13, 32, 4, 15]) 
  
# Create the Index 
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp'] 
  
# set the index 
sr.index = index_ 
  
# Print the series 
print(sr)

输出：

Coca Cola    34
Sprite        5
Coke         13
Fanta        32
Dew           4
ThumbsUp     15
dtype:int64

现在我们将使用Series.aggregate()函数以查找给定系列对象中所有值的总和。

# Find the sum of all values 
result = sr.aggregate(func = sum) 
  
# Print the result 
print(result)

输出：

103

正如我们在输出中看到的，Series.aggregate()函数已成功返回给定系列对象的基础数据之和。

范例2：采用Series.aggregate()函数对给定系列对象的基础数据执行聚合。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series([51, 10, 24, 18, 1, 84, 12, 10, 5, 24, 0]) 
  
# Create the Index 
# apply yearly frequency 
index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='Y') 
  
# set the index 
sr.index = index_ 
  
# Print the series 
print(sr)

输出：

2010-12-31 08:45:00    51
2011-12-31 08:45:00    10
2012-12-31 08:45:00    24
2013-12-31 08:45:00    18
2014-12-31 08:45:00     1
2015-12-31 08:45:00    84
2016-12-31 08:45:00    12
2017-12-31 08:45:00    10
2018-12-31 08:45:00     5
2019-12-31 08:45:00    24
2020-12-31 08:45:00     0
Freq:A-DEC, dtype:int64

现在我们将使用Series.aggregate()函数查找给定系列对象中所有值的最大值。

# Find the max of all values 
result = sr.aggregate(func = max) 
  
# Print the result 
print(result)

输出：

84

正如我们在输出中看到的，Series.aggregate()函数已成功返回给定系列对象中所有值的最大值。