Python pandas.DataFrame.aggregate用法及代码示例

用法:
DataFrame.aggregate(func=None, axis=0, *args, **kwargs)

在指定轴上使用一项或多项操作进行聚合。

参数：

func：函数、str、列表或字典

用于聚合数据的函数。如果是函数，则必须在传递 DataFrame 或传递给 DataFrame.apply 时工作。

接受的组合是：

function
字符串函数名
函数和/或函数名称列表，例如[np.sum, 'mean']
轴标签的字典 -> 函数、函数名称或此类列表。

axis：{0 或 ‘index’，1 或 ‘columns’}，默认 0

如果为 0 或 ‘index’：将函数应用于每一列。如果为 1 或 ‘columns’：将函数应用于每一行。

*args：

要传递给 func 的位置参数。

**kwargs：

要传递给 func 的关键字参数。

标量、系列或数据帧

返回可以是：

标量：当 Series.agg 使用单个函数调用时
系列：当使用单个函数调用 DataFrame.agg 时
DataFrame：当使用多个函数调用 DataFrame.agg 时

返回标量、系列或数据帧。

聚合操作总是在一个轴上执行，无论是

索引(默认)或列轴。这种行为不同于

numpy 聚合函数(mean、median、prod、sum、std、

var )，其中默认是计算扁平化的聚合

数组，例如 numpy.mean(arr_2d) 而不是

numpy.mean(arr_2d, axis=0) 。

agg 是 aggregate 的别名。使用别名。

注意：

agg 是 aggregate 的别名。使用别名。

改变传递对象的函数可能会产生意外行为或错误，因此不受支持。有关更多详细信息，请参阅使用用户定义函数 (UDF) 方法进行变异。

通过的user-defined-function 将通过系列进行评估。

例子：

>>> df = pd.DataFrame([[1, 2, 3],
...                    [4, 5, 6],
...                    [7, 8, 9],
...                    [np.nan, np.nan, np.nan]],
...                   columns=['A', 'B', 'C'])

在行上聚合这些函数。

>>> df.agg(['sum', 'min'])
        A     B     C
sum  12.0  15.0  18.0
min   1.0   2.0   3.0

每列不同的聚合。

>>> df.agg({'A':['sum', 'min'], 'B':['min', 'max']})
        A    B
sum  12.0  NaN
min   1.0  2.0
max   NaN  8.0

在列上聚合不同的函数并重命名结果 DataFrame 的索引。

>>> df.agg(x=('A', max), y=('B', 'min'), z=('C', np.mean))
     A    B    C
x  7.0  NaN  NaN
y  NaN  2.0  NaN
z  NaN  NaN  6.0

聚合列。

>>> df.agg("mean", axis="columns")
0    2.0
1    5.0
2    8.0
3    NaN
dtype:float64

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.DataFrame.aggregate。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：