pandas中agg怎么用

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：

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：

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：

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：

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。