pandas agg函数

pandas中的agg函数是用于对数据进行聚合操作的函数，可以对数据进行自定义的聚合操作。agg函数可以接受一个字典作为参数，字典的键表示要聚合的列名，值表示要进行的聚合操作。例如：

import pandas as pd

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 列进行聚合操作，求出 C 列和 D 列的平均值和最大值
result = df.groupby('A').agg({'C': ['mean', 'max'], 'D': ['mean', 'max']})
print(result)

输出结果为：

            C           D    
         mean max mean max
A                          
bar  4.000000   6   40  60
foo  4.333333   8   43  80

相关问题

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。

pandas agg

pandas `agg`是一个用于DataFrame对象的方法，它用于对数据进行聚合操作。`agg`可以接受一个或多个聚合函数，并将这些函数应用到指定的列或行上。

以下是使用`agg`的基本语法:

DataFrame.agg(func, axis=0, *args, **kwargs)

其中，`func`是一个聚合函数或一个函数列表，`axis`指定了聚合的轴向，默认为0表示按列聚合。

例如，假设有一个DataFrame对象df，包含两列'A'和'B'，我们可以使用`agg`计算每列的最小值、最大值和平均值：

import pandas as pd

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

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

输出结果：

        A  B
min   1  4
max   3  6
mean  2  5

这样，我们就可以通过`agg`方法方便地对DataFrame中的数据进行聚合操作。还可以通过传递自定义的函数来实现更复杂的聚合操作。