pandas中聚合函数agg的具体用法

pandas agg函数概述

近期接触到pandas库中的聚合函数agg，该功能在日常数据处理中虽不常使用，但掌握其用法能显著提升效率。为此，本文对agg函数的具体应用进行梳理与总结，旨在帮助读者深入理解并熟练运用这一实用工具。

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

agg函数参数与基本用法

func参数支持多种输入形式：可以是单个函数对象、函数名称字符串、包含多个函数的列表，或是指定列名与对应函数名的字典结构。

该函数的核心作用是在指定的轴（默认为列轴，也可设置为行轴）上执行一个或多个聚合操作。

需要注意的是，agg作为pandas的聚合函数，其操作始终作用于指定的轴，这与numpy中的聚合函数行为有所不同，用户需明确区分两者的适用场景。

常见的numpy聚合函数包括：np.sum()用于求和；np.prod()计算所有元素乘积；np.mean()计算平均值；np.std()计算标准差；np.var()计算方差；np.median()求中位数；np.power()执行幂运算；np.sqrt()开方；np.min()和np.max()分别获取最小值和最大值；np.argmin()和np.argmax()返回最小值和最大值的索引；np.inf表示无穷大；np.exp(10)计算以e为底的指数；np.log(10)计算对数。

agg函数实战示例

以下示例将展示agg函数的具体应用方式。

首先定义一个包含数值的列表数据。

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)

接下来演示如何在行维度上对这些数据应用聚合函数。

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

列标签为col1、col2、col3、col4。

max值为1111.0、2222.0、3333.0、4444.0。

min值为1.0、2.0、3.0、4.0。

mean值为308.5、617.0、925.5、1234.0。

按列指定不同聚合函数

若需对每列应用不同的聚合函数，可采用字典格式指定。

df_columns=df.agg({'col1':['sum','min'],'col2':['max','min'],'col3':['sum','min']})

结果包含列标签col1、col2、col3。

max操作中，col1和col3因未指定max函数而显示为NaN，col2结果为2222.0。

min操作中，col1为1.0，col2为2.0，col3为3.0。

sum操作中，col1为1234.0，col2因未指定sum函数显示为NaN，col3为3702.0。

注意：当某一列未指定特定的聚合函数时，对应结果将使用NaN进行填充。

综上所述。

以上就是关于pandas中聚合函数agg具体用法的详细介绍，更多相关pandas聚合函数agg内容可搜索本站往期文章或继续浏览后续相关文章，希望大家以后多多支持本站！