pandas中的agg函数
python中的agg函数通常用于调用groupby（）函数之后，对数据做一些聚合操作，包括sum，min,max以及其他一些聚合函数
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）默认是以函数名称命名的，可以修改
>>> 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函数后需要reset_index，因为pandas会默认将groupby()的列也做为index传到结果中
>>> 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
这就是python小工具关于agg函数的介绍，挺有用 的一个函数。
pandas详解 聚合运算agg()
在数据分析中，分组聚合二者缺一不可。对数据聚合（求和、平均值等）通常是不可避免的。pd.agg()很方便进行聚合操作。
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descibe
grouped.describe()
以上为个人经验，希望能给大家一个参考，也希望大家多多支持<猴子技术宅>。
需要了解更多python教程分享python pandas中的agg函数用法，都可以关注python教程分享栏目—猴子技术宅（www.ssfiction.com）
本文来自网络收集，不代表猴子技术宅立场，如涉及侵权请点击右边联系管理员删除。
如若转载，请注明出处：https://www.ssfiction.com/pythons/1091923.html
