Python dask.dataframe.groupby.DataFrameGroupBy.aggregate用法及代碼示例

用法: DataFrameGroupBy.aggregate(arg, split_every=None, split_out=1)

在指定軸上使用一項或多項操作進行聚合。

此文檔字符串是從 pandas.core.groupby.generic.DataFrameGroupBy.aggregate 複製而來的。

可能存在與 Dask 版本的一些不一致之處。

參數：

func：function、str、list 或 dict(在 Dask 中不支持)

用於聚合數據的函數。如果是函數，則必須在傳遞 DataFrame 或傳遞給 DataFrame.apply 時工作。

接受的組合是：

function
字符串函數名
函數和/或函數名稱列表，例如[np.sum, 'mean']
軸標簽的字典 -> 函數、函數名稱或此類列表。

還可以接受指定了engine='numba' 的 Numba JIT 函數。此引擎僅支持傳遞單個函數。

如果選擇'numba' 引擎，該函數必須是用戶定義的函數，函數簽名中的第一個和第二個參數分別是values 和index。每個組的索引將傳遞給用戶定義的函數，並且可以選擇使用。

*args：

要傳遞給 func 的位置參數。

engine：str，默認無(在 Dask 中不支持)

'cython' ：通過 cython 的 C-extensions 運行函數。
'numba'：通過來自 numba 的 JIT 編譯代碼運行函數。
None ：默認為 'cython' 或全局設置 compute.use_numba

engine_kwargs：dict，默認無(在 Dask 中不支持)

對於'cython' 引擎，沒有接受的engine_kwargs
對於'numba' 引擎，引擎可以接受nopython , nogil 和parallel 字典鍵。這些值必須是 True 或 False 。 'numba' 引擎的默認 engine_kwargs 是 {'nopython': True, 'nogil': False, 'parallel': False} 並將應用於函數

**kwargs：

要傳遞給 func 的關鍵字參數。

DataFrame

注意：

使用 engine='numba' 時，內部不會有 “fall back” 行為。組數據和組索引將作為 numpy 數組傳遞給 JITed 用戶定義函數，並且不會嘗試替代執行嘗試。

改變傳遞對象的函數可能會產生意外行為或錯誤，因此不受支持。有關更多詳細信息，請參閱使用用戶定義函數 (UDF) 方法進行變異。

例子：

>>> df = pd.DataFrame(  
...     {
...         "A": [1, 1, 2, 2],
...         "B": [1, 2, 3, 4],
...         "C": [0.362838, 0.227877, 1.267767, -0.562860],
...     }
... )

>>> df  
   A  B         C
0  1  1  0.362838
1  1  2  0.227877
2  2  3  1.267767
3  2  4 -0.562860

聚合針對每一列。

>>> df.groupby('A').agg('min')  
   B         C
A
1  1  0.227877
2  3 -0.562860

多個聚合

>>> df.groupby('A').agg(['min', 'max'])  
    B             C
  min max       min       max
A
1   1   2  0.227877  0.362838
2   3   4 -0.562860  1.267767

選擇要聚合的列

>>> df.groupby('A').B.agg(['min', 'max'])  
   min  max
A
1    1    2
2    3    4

每列不同的聚合

>>> df.groupby('A').agg({'B': ['min', 'max'], 'C': 'sum'})  
    B             C
  min max       sum
A
1   1   2  0.590715
2   3   4  0.704907

為了控製每列具有不同聚合的輸出名稱，pandas 支持“named aggregation”

>>> df.groupby("A").agg(  
...     b_min=pd.NamedAgg(column="B", aggfunc="min"),
...     c_sum=pd.NamedAgg(column="C", aggfunc="sum"))
   b_min     c_sum
A
1      1  0.590715
2      3  0.704907

關鍵字是輸出列名
這些值是元組，其第一個元素是要選擇的列，第二個元素是要應用於該列的聚合。 Pandas 提供帶有字段['column', 'aggfunc'] 的pandas.NamedAgg 命名元組，以便更清楚地了解參數是什麽。像往常一樣，聚合可以是可調用的或字符串別名。

有關更多信息，請參閱命名聚合。

>>> df.groupby("A")[["B"]].agg(lambda x: x.astype(float).min())  
      B
A
1   1.0
2   3.0

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask.dataframe.groupby.DataFrameGroupBy.aggregate。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

注意：

例子：