Python Pandas中agg函数的分组聚合用法详解

一只小鹿
一只小鹿
发布时间:2026-10-15 | 3人浏览过
原创

本文详细介绍Python Pandas库中agg函数的使用方法。通过groupby进行分组后,利用agg执行sum、min、max等聚合运算,支持单列或多列多函数聚合,并可自定义聚合函数。文章涵盖列名修改、reset_index重置索引等关键步骤,帮助开发者高效完成数据分析中的聚合任务。

Pandas中的agg函数

在Python中,agg函数通常与groupby()配合使用,用于对分组后的数据进行各类聚合统计,例如求和(sum)、最小值(min)、最大值(max)以及其他内置的聚合函数。

具体应用示例如下所示:

>>> 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)默认情况下,结果列名以函数名称命名,但也可以手动指定修改。

>>> 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,建议执行reset_index(),因为Pandas默认会将groupby()中的分组列作为结果的索引。

>>> 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

以上就是关于Python中agg函数的介绍,这是一个非常实用的数据处理工具。

Pandas详解:聚合运算agg()

在数据分析过程中,分组与聚合是两个不可或缺的操作。对数据进行聚合(如求和、计算平均值等)通常是数据处理流程中的必要环节。pd.agg()提供了便捷的聚合操作接口。

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describe方法

grouped.describe()

以上为个人经验分享,希望能为大家提供参考,也希望大家多多支持本站。

本站声明

本文内容仅供参考,不代表本站观点。转载或引用请注明出处。如发现内容问题,请通过联系我们页面反馈。

Python 相关产品和应用

全部下载

专题列表