目錄
- 前言
- 1. 創(chuàng)建DataFrame對(duì)象
- 2. 單列聚合
- 3. 多列聚合
- 4. 多種聚合運(yùn)算
- 5. 多種聚合運(yùn)算并更改列名
- 6. 不同的列運(yùn)用不同的聚合函數(shù)
- 7. 使用自定義的聚合函數(shù)
- 8. 方便的descibe
前言
在數(shù)據(jù)分析中，分組聚合二者缺一不可。對(duì)數(shù)據(jù)聚合（求和、平均值等）通常是不可避免的。pd.agg()很方便進(jìn)行聚合操作。
1. 創(chuàng)建DataFrame對(duì)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(yùn)算
grouped['age'].agg(['min','max'])
5. 多種聚合運(yùn)算并更改列名
grouped['age'].agg([('A','mean'),('B','max')])
6. 不同的列運(yùn)用不同的聚合函數(shù)
grouped.agg({'age':['sum','mean'], 'weight':['min','max']})
7. 使用自定義的聚合函數(shù)
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(guān)于Pandas實(shí)現(xiàn)聚合運(yùn)算agg()的示例代碼的文章就介紹到這了,更多相關(guān)Pandas 聚合運(yùn)算agg()內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Pandas聚合運(yùn)算和分組運(yùn)算的實(shí)現(xiàn)示例
