python pandas中的agg函数用法

目录

• pandas中的agg函数
• pandas详解 聚合运算agg()
• 1. 创建DataFrame对象
• 2. 单列聚合
• 3. 多列聚合
• 4. 多种聚合运算
• 5. 多种聚合运算并更改列名
• 6. 不同的列运用不同的聚合函数
• 7. 使用自定义的聚合函数
• 8. 方便的descibe

pandas中的agg函数

python中的agg函数通常用于调用groupby（）函数之后，对数据做一些聚合操作，包括sum，min,max以及其他一些聚合函数

如下所示：

>>> df = pd.read_excel(r\"D:/myExcel/1.xlsx\")
>>> df
        A   B   C
0     bob  12  45
1  millor  15  23
2     bob  34  88
3     bob  98  23

（1）获取按A分组后B列的最大值

>>> df.groupby(by=\'A\').agg({\'B\':\'max\'})
         B
A         
bob     98
millor  15

（2）获取按A分组后B列的最大值和最小值

>>> df.groupby(by=\'A\').agg({\'B\':[\'max\',\'min\']})
         B    
       max min
A             
bob     98  12
millor  15  15

（3）获取按A分组后B列的最大值和最小值以及C列的最大值

>>> df.groupby(by=\'A\').agg({\'B\':[\'max\',\'min\'], \'C\':\'min\'})
         B       C
       max min min
A                 
bob     98  12  23
millor  15  15  23

（4）默认是以函数名称命名的，可以修改

>>> df.groupby(by=\'A\').agg(
b_min=pd.NamedAgg(column=\'B\', aggfunc=\'min\'),
b_max=pd.NamedAgg(column=\'B\', aggfunc=\'max\'))
        b_min  b_max
A                   
bob        12     98
millor     15     15

通常在调用完agg函数后需要reset_index，因为pandas会默认将groupby()的列也做为index传到结果中

>>> df.groupby(\'A\').B.agg([\'min\', \'max\'])
        min  max
A               
bob      12   98
millor   15   15
>>> df.groupby(\'A\').B.agg([\'min\', \'max\']).reset_index()
        A  min  max
0     bob   12   98
1  millor   15   15

这就是python小工具关于agg函数的介绍，挺有用 的一个函数。 

pandas详解 聚合运算agg()

在数据分析中，分组聚合二者缺一不可。对数据聚合（求和、平均值等）通常是不可避免的。pd.agg()很方便进行聚合操作。

1. 创建DataFrame对象

import pandas as pd
df1 = pd.DataFrame({\'sex\':list(\'FFMFMMF\'),\'smoker\':list(\'YNYYNYY\'),\'age\':[21,30,17,37,40,18,26],\'weight\':[120,100,132,140,94,89,123]})

grouped = df1.groupby([\'sex\',\'smoker\'])
# sex有 F M 二值，smoker有 Y N 二值，故分成四组。

2. 单列聚合

grouped[\'age\'].agg(\'mean\')

sex  smoker
F    N         30.0
     Y         28.0
M    N         40.0
     Y         17.5
Name: age, dtype: float64

3. 多列聚合

grouped.agg(\'mean\')

4. 多种聚合运算

grouped[\'age\'].agg([\'min\',\'max\'])

5. 多种聚合运算并更改列名

grouped[\'age\'].agg([(\'A\',\'mean\'),(\'B\',\'max\')])

6. 不同的列运用不同的聚合函数

grouped.agg({\'age\':[\'sum\',\'mean\'], \'weight\':[\'min\',\'max\']})

7. 使用自定义的聚合函数

def Max_cut_Min(group):
    return group.max()-group.min()

grouped.agg(Max_cut_Min)

8. 方便的descibe

grouped.describe()

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。