pandas 聚合函数agg

川长思鸟来 2023-02-21 04:51 56阅读 0赞

今天看到pandas的聚合函数agg，比较陌生，平时的工作中处理数据的时候使用的也比较少，为了加深印象，总结一下使用的方法，其实还是挺好用的。

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

**func : 函数，函数名称，函数列表，字典\{‘行名/列名’，‘函数名’\}**

使用指定轴上的一个或多个操作进行聚合。

![format_png][]

**agg是一个聚合函数，聚合函数操作始终是在轴（默认是列轴，也可设置行轴）上执行，不同于 numpy聚合函数**（np.sum() //求和；np.prod() //所有元素相乘；np.mean() //平均值；np.std() //标准差；np.var() //方差；np.median() //中数；np.power() //幂运算；np.sqrt() //开方；np.min() //最小值；np.max() //最大值；np.argmin() //最小值的下标；np.argmax() //最大值的下标；np.inf //无穷大；np.exp(10) //以e为底的指数；np.log(10) //对数）

--------------------

下面示例展示agg具体用法：

定义一个列表值：

> import pandasas pd
> 
> df=pd.DataFrame(\[\[1,2,3,4\],
> 
>                               \[11,22,33,44\],
> 
>                               \[111,222,333,444\],
> 
>                               \[1111,2222,3333,4444\]
> 
>                               \],
> 
>                              columns=\['col1','col2','col3','col4'\],)\#列名
> 
> print(df)

![format_png 1][]

**在行上聚合这些函数**

> df\_arows=df.agg(\['max','min','mean'\])

--------------------

col1       col2     col3       col4

max  1111.0  2222.0  3333.0  4444.0

min      1.0    2.0    3.0    4.0

mean  308.5  617.0  925.5  1234.0

![format_png 2][]

--------------------

**每列不同的聚合**

> **df\_columns=df.agg(\{'col1':\['sum','min'\],'col2':\['max','min'\],'col3':\['sum','min'\]\})**

col1      col2       col3

max    NaN  2222.0    NaN

min    1.0       2.0         3 .0

sum  1234.0    NaN  3702.0

![format_png 3][]

注：当某列没有其他聚合函数时，则用NaN填充。

参考：https://www.jianshu.com/p/f37ac2a7b6dc

[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy84MDc2NDIzLTFkN2Y4ZjAwMjMxNjEwZDkucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvNzA2L2Zvcm1hdC93ZWJw?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy84MDc2NDIzLTA1MzE0M2Q1ODFlZjM2Y2QucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvNjQ1L2Zvcm1hdC93ZWJw?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy84MDc2NDIzLTY0MzM1MDk1OTJmZjU0NjUucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvNTE1L2Zvcm1hdC93ZWJw?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy84MDc2NDIzLTFkYzk4MmU4ZWU5M2MxNTkucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvODcwL2Zvcm1hdC93ZWJw?x-oss-process=image/format,png