我要评论pandas2.2 dataframe
function application, groupby & window
| 方法 | 描述 |
|---|---|
| dataframe.apply(func[, axis, raw, …]) | 用于沿 dataframe 的轴（行或列）应用一个函数 |
| dataframe.map(func[, na_action]) | 用于对 dataframe 的每个元素应用一个函数 |
| dataframe.applymap(func[, na_action]) | 用于对 dataframe 中的每一个元素应用一个函数 |
| dataframe.pipe(func, *args, **kwargs) | 用于实现链式编程风格的方法 |
| dataframe.agg([func, axis]) | 用于对 dataframe 的数据进行聚合操作 |
pandas.dataframe.agg()
pandas.dataframe.agg()（或 dataframe.aggregate()）方法用于对 dataframe 的数据进行聚合操作。它可以沿指定轴（行或列）应用一个或多个聚合函数，常用于统计汇总分析。
方法签名
dataframe.agg(func=none, axis=0)
参数说明
| 参数 | 类型 | 描述 |
|---|---|---|
func | function、str、list 或 dict | 要应用的聚合函数。可以是一个函数名字符串（如 'sum'）、函数对象（如 np.sum）、函数列表，或者为每列指定不同函数的字典。 |
axis | {0 or ‘index’, 1 or ‘columns’}, default: 0 | 沿哪个轴进行聚合：0 表示按列聚合（默认），1 表示按行聚合。 |
返回值
- 如果
func是单个聚合函数，则返回一个series。 - 如果
func是多个聚合函数或多个列分别聚合，则返回一个dataframe。
示例
示例1：使用单个聚合函数（如 'mean'）
import pandas as pd
df = pd.dataframe({
'a': [1, 2, 3],
'b': [4, 5, 6]
})
result = df.agg('mean')
print(result)
输出：
a 2.0
b 5.0
dtype: float64
示例2：使用多个聚合函数（如 ['min', 'max']）
result = df.agg(['min', 'max']) print(result)
输出：
a b
min 1 4
max 3 6
示例3：对不同列使用不同的聚合函数
result = df.agg({
'a': 'mean',
'b': ['min', 'max']
})
print(result)
输出：
a b
mean 2.0 nan
min nan 4.0
max nan 6.0
示例4：按行聚合（axis=1）
result = df.agg('sum', axis=1)
print(result)
输出：
0 5
1 7
2 9
dtype: int64
总结
agg()支持多种聚合方式，灵活适用于各类统计汇总需求。- 可以为不同列指定不同的聚合函数。
- 常用于数据分析中的分组统计（与
groupby()配合使用时更加强大）。
到此这篇关于pandas.dataframe.agg()方法的使用的文章就介绍到这了,更多相关pandas.dataframe.agg()内容请搜索代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码网！
发表评论