Python pandas.DataFrame.aggregate用法及代碼示例

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

在指定軸上使用一項或多項操作進行聚合。

參數：

func：函數、str、列表或字典

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。

axis：{0 或 ‘index’，1 或 ‘columns’}，默認 0

如果為 0 或 ‘index’：將函數應用於每一列。如果為 1 或 ‘columns’：將函數應用於每一行。

*args：

要傳遞給 func 的位置參數。

**kwargs：

要傳遞給 func 的關鍵字參數。

標量、係列或數據幀

返回可以是：

標量：當 Series.agg 使用單個函數調用時
係列：當使用單個函數調用 DataFrame.agg 時
DataFrame：當使用多個函數調用 DataFrame.agg 時

返回標量、係列或數據幀。

聚合操作總是在一個軸上執行，無論是

索引(默認)或列軸。這種行為不同於

numpy 聚合函數(mean、median、prod、sum、std、

var )，其中默認是計算扁平化的聚合

數組，例如 numpy.mean(arr_2d) 而不是

numpy.mean(arr_2d, axis=0) 。

agg 是 aggregate 的別名。使用別名。

注意：

agg 是 aggregate 的別名。使用別名。

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。

通過的user-defined-function 將通過係列進行評估。

例子：

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

在行上聚合這些函數。

>>> 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數並重命名結果 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

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.DataFrame.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：