Pandas Agg List 详解|极客教程

Pandas Agg List 详解

Pandas 是一个强大的 Python 数据分析库，它提供了许多用于数据处理和分析的功能。其中，agg() 函数是一个非常有用的工具，它允许用户对数据进行聚合操作。本文将详细介绍如何使用 Pandas 的 agg() 函数，包括其语法、用法以及多个实际的代码示例。

1. `agg()` 函数简介

agg() 函数，也称为聚合函数，是用于对数据集合进行一系列的计算操作。它可以应用于 DataFrame 的行或列，根据指定的操作返回一个聚合后的结果。这些操作可以是统计总和、平均值、最大值等。

2. `agg()` 函数的基本用法

在 Pandas 中，agg() 可以单独使用，也可以与 groupby() 结合使用来进行更复杂的分组聚合操作。下面我们将通过示例详细说明如何使用 agg() 函数。

示例代码 1：基本聚合操作

import pandas as pd

# 创建一个简单的 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 使用 agg() 对所有列求和
result = df.agg('sum')
print(result)

Output:

Pandas Agg List 详解

示例代码 2：对指定列使用多个聚合函数

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 对列 A 应用多个聚合函数
result = df['A'].agg(['sum', 'min', 'max'])
print(result)

Output:

Pandas Agg List 详解

示例代码 3：对 DataFrame 使用多个聚合函数

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 对所有列应用多个聚合函数
result = df.agg(['sum', 'min', 'max'])
print(result)

Output:

Pandas Agg List 详解

示例代码 4：使用字典指定列和对应的聚合函数

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 使用字典为不同列指定不同的聚合函数
result = df.agg({'A': 'sum', 'B': 'min', 'C': 'max'})
print(result)

Output:

Pandas Agg List 详解

3. 结合 `groupby()` 使用 `agg()`

在处理分组数据时，agg() 函数经常与 groupby() 结合使用，以对不同的组执行不同的聚合操作。

示例代码 5：结合 `groupby()` 和 `agg()`

import pandas as pd

df = pd.DataFrame({
    'Key': ['A', 'B', 'A', 'B'],
    'Data': [1, 2, 3, 4],
    'Value': [5, 6, 7, 8]
})

# 分组后对每组数据应用多个聚合函数
result = df.groupby('Key').agg({'Data': ['sum', 'mean'], 'Value': 'max'})
print(result)

Output:

Pandas Agg List 详解

示例代码 6：对不同列使用不同的聚合函数

import pandas as pd

df = pd.DataFrame({
    'Key': ['A', 'B', 'A', 'B'],
    'Data': [1, 2, 3, 4],
    'Value': [5, 6, 7, 8]
})

# 分组后对不同列使用不同的聚合函数
result = df.groupby('Key').agg({'Data': 'sum', 'Value': 'max'})
print(result)

Output:

Pandas Agg List 详解

4. 高级聚合操作

Pandas 的 agg() 函数还支持更复杂的操作，如使用自定义函数进行聚合。

示例代码 7：使用自定义函数进行聚合

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 定义一个自定义聚合函数
def my_custom_function(x):
    return x.max() - x.min()

# 使用自定义函数进行聚合
result = df.agg(my_custom_function)
print(result)

Output:

Pandas Agg List 详解

示例代码 8：对不同列使用不同的自定义聚合函数

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 定义两个不同的自定义聚合函数
def max_minus_min(x):
    return x.max() - x.min()

def sum_plus_ten(x):
    return x.sum() + 10

# 对不同列使用不同的自定义聚合函数
result = df.agg({'A': max_minus_min, 'B': sum_plus_ten})
print(result)

Output:

Pandas Agg List 详解