目錄
- 前言
- 1. 創建DataFrame對象
- 2. 單列聚合
- 3. 多列聚合
- 4. 多種聚合運算
- 5. 多種聚合運算并更改列名
- 6. 不同的列運用不同的聚合函數
- 7. 使用自定義的聚合函數
- 8. 方便的descibe
前言
在數據分析中，分組聚合二者缺一不可。對數據聚合（求和、平均值等）通常是不可避免的。pd.agg()很方便進行聚合操作。
1. 創建DataFrame對象
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，故分成四組。
2. 單列聚合
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
4. 多種聚合運算
grouped['age'].agg(['min','max'])
5. 多種聚合運算并更改列名
grouped['age'].agg([('A','mean'),('B','max')])
6. 不同的列運用不同的聚合函數
grouped.agg({'age':['sum','mean'], 'weight':['min','max']})
7. 使用自定義的聚合函數
def Max_cut_Min(group):
return group.max()-group.min()
grouped.agg(Max_cut_Min)
8. 方便的descibe
參考博客：link
到此這篇關于Pandas實現聚合運算agg()的示例代碼的文章就介紹到這了,更多相關Pandas 聚合運算agg()內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
