python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > pandas.DataFrame.agg()

pandas.DataFrame.agg()方法的使用

作者:liuweidong0802

agg函数是一个非常强大的工具,用于对数据进行分组聚合操作,它可以沿指定轴(行或列)应用一个或多个聚合函数,常用于统计汇总分析,感兴趣的可以了解一下

Pandas2.2 DataFrame

Function application, GroupBy & window

方法描述
DataFrame.apply(func[, axis, raw, …])用于沿 DataFrame 的轴(行或列)应用一个函数
DataFrame.map(func[, na_action])用于对 DataFrame 的每个元素应用一个函数
DataFrame.applymap(func[, na_action])用于对 DataFrame 中的每一个元素应用一个函数
DataFrame.pipe(func, *args, **kwargs)用于实现链式编程风格的方法
DataFrame.agg([func, axis])用于对 DataFrame 的数据进行聚合操作

pandas.DataFrame.agg()

pandas.DataFrame.agg()(或 DataFrame.aggregate())方法用于对 DataFrame 的数据进行聚合操作。它可以沿指定轴(行或列)应用一个或多个聚合函数,常用于统计汇总分析。

方法签名

DataFrame.agg(func=None, axis=0)

参数说明

参数类型描述
funcfunction、str、list 或 dict要应用的聚合函数。可以是一个函数名字符串(如 'sum')、函数对象(如 np.sum)、函数列表,或者为每列指定不同函数的字典。
axis{0 or ‘index’, 1 or ‘columns’}, default: 0沿哪个轴进行聚合:0 表示按列聚合(默认),1 表示按行聚合。

返回值

示例

示例1:使用单个聚合函数(如 'mean')

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

result = df.agg('mean')
print(result)

输出:

A    2.0
B    5.0
dtype: float64

示例2:使用多个聚合函数(如 ['min', 'max'])

result = df.agg(['min', 'max'])
print(result)

输出:

   A  B
min  1  4
max  3  6

示例3:对不同列使用不同的聚合函数

result = df.agg({
    'A': 'mean',
    'B': ['min', 'max']
})
print(result)

输出:

          A    B
mean     2.0  NaN
min      NaN  4.0
max      NaN  6.0

示例4:按行聚合(axis=1)

result = df.agg('sum', axis=1)
print(result)

输出:

0    5
1    7
2    9
dtype: int64

总结

到此这篇关于pandas.DataFrame.agg()方法的使用的文章就介绍到这了,更多相关pandas.DataFrame.agg()内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家! 

您可能感兴趣的文章:
阅读全文