pandas中agg怎么用
时间: 2023-10-08 10:12:50 浏览: 120
在 Pandas 中,agg() 函数可以对 DataFrame 或 Series 进行聚合操作。agg() 函数的参数是一个字典,字典的键是要聚合的列名,字典的值是要应用的聚合函数。下面是一个示例:
```python
import pandas as pd
# 创建一个 DataFrame
df = pd.DataFrame({
'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
'C': [1, 2, 3, 4, 5, 6, 7, 8],
'D': [10, 20, 30, 40, 50, 60, 70, 80]
})
# 对 A 列聚合并应用 sum 函数
result = df.groupby('A').agg({'C': 'sum', 'D': 'max'})
print(result)
```
输出结果为:
```
C D
A
bar 12 60
foo 24 80
```
在上面的代码中,我们对 DataFrame 进行了分组操作,将 A 列相同的行分为一组。然后,对每个组的 C 列求和,对 D 列求最大值。最后,将这些聚合结果合并成一个新的 DataFrame。
相关问题
pandas中agg
Pandas中的agg()函数为aggregate的缩写,总数、合计、聚合的意思,是一个功能非常强大的函数,在Pandas中可以利用agg()对Series、DataFrame以及groupby()后的结果进行聚合操作。可以通过传递一个字典来对不同的列进行不同的聚合操作,也可以通过reset_index()函数来重置索引。在使用agg()函数时,可以使用内置的聚合函数,如min、max、mean、median等,也可以使用自定义的聚合函数。
pandas中agg函数用法
在pandas中,agg函数是一种聚合函数,用于对数据进行聚合计算,它可以对一列或多列数据执行不同的聚合操作。
agg函数的语法如下:
```python
DataFrame.agg(func=None, axis=0, *args, **kwargs)
```
其中,func参数可以是一个函数、一个函数列表或一个字典,用于指定要执行的聚合操作。axis参数用于指定按行还是按列进行聚合计算,默认值为0,即按列进行聚合。其他参数*args和**kwargs用于传递给聚合函数的其他参数。
下面是一些示例:
1. 对一列数据进行多个聚合操作:
```python
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10]})
# 对列A进行求和和平均值,对列B进行最大值和最小值
agg_dict = {'A': ['sum', 'mean'], 'B': ['max', 'min']}
result = df.agg(agg_dict)
print(result)
```
输出:
```
A B
max NaN 10
mean 3.0 NaN
min NaN 6
sum 15.0 NaN
```
2. 对多列数据进行多个聚合操作:
```python
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10],
'C': [11, 12, 13, 14, 15]})
# 对列A和列B进行求和和平均值,对列C进行最大值和最小值
agg_dict = {'A': ['sum', 'mean'], 'B': ['max', 'min'], 'C': ['max', 'min']}
result = df.agg(agg_dict)
print(result)
```
输出:
```
A B C
max NaN 10 15
mean 3.0 NaN NaN
min NaN 6 11
sum 15.0 NaN NaN
```
以上是agg函数的用法,希望对你有所帮助。
阅读全文