在Pandas中编写自定义聚合函数

python中的Pandas广泛用于数据分析，它由一些精细的数据结构组成，如Dataframe和Series。在pandas中，有几个函数被证明对程序员有很大的帮助，其中之一就是聚合函数。这个函数从作为输入的多个值中返回一个单一的值，这些值根据某些标准被分组。一些聚合函数包括平均数、计数、最大值，以及其他函数。

语法:

DataFrame.agg(func=None, axis=0, *args, **kwargs)

参数:

axis: {0或’index’, 1或’columns’} = 0或’index’意味着函数被应用于每一列，1或’columns’意味着函数被应用于每一行。
func: function, str, list or dict = 它描述了要用于聚合的函数。接受的组合是：函数、字符串函数名（str）、函数列表（list/dict）。
*args：它指定了要传递给函数的位置参数。
**kwargs：它指定了要传递给函数的关键字参数。

返回：该函数可以返回标量、系列或Dataframe。当Series.agg被单个函数调用时，返回标量；当Dataframe.agg被单个函数调用时，返回Series；当Dataframe.agg被多个函数调用时，返回Dataframe。

让我们创建一个Dataframe。

# import pandas library
import pandas as pd
  
# create a Dataframe
df = pd.DataFrame([[10, 20, 30],
                  [40, 50, 60],
                  [70, 80, 90],
                  [100,110,120]],
                 columns=['Col_A', 'Col_B',
                          'Col_C'])
# show the dataframe
df

输出:

在Pandas中编写自定义聚合函数

现在，让我们执行一些操作。

1.对行进行聚合：这是对数据框架的行执行聚合函数。正如你在下面的例子中看到的，例子1在聚合函数里面有两个关键词，sum和min。sum将每行的第一个（10,40,70,100）、第二个（20,50,80,110）和第三个（30,60,90,120）元素分别相加并打印出来，min在各行的元素中找到最小的数字并打印出来。第二个例子也是类似的过程。

示例 1:

df.agg(['sum', 'min'])

输出:

在Pandas中编写自定义聚合函数

示例 2:

df.agg(['sum', 'min', 'max'])

输出:

在Pandas中编写自定义聚合函数

2.Performing aggregation per column:这是在列上执行聚合功能，列被特别选择，如例子中所示。在第一个例子中，选择了两列，’Col_A’和’Col_B’，要对它们进行操作。对于Col_A，计算最小值和总和值，对于Col_B，计算最小值和最大值。例2也是类似的过程。

示例 1:

df.agg({'Col_A' : ['sum', 'min'], 
        'Col_B' : ['min', 'max']})

输出:

在Pandas中编写自定义聚合函数

示例 2:

df.agg({'Col_A' : ['sum', 'min'],
        'Col_B' : ['min', 'max'],
        'Col_C' : ['sum', 'mean']})

输出:

在Pandas中编写自定义聚合函数

注意：如果没有对某一列进行特定的聚合，它将打印NaN。

3.在列上执行聚合：这是在列上执行聚合功能。如例1所示，每一列的第一（10,20,30）、第二（40,50,60）、第三（70,80,90）和第四（100,110,120）元素的平均值被分别计算并打印。

示例:

df.agg("mean", axis = "columns")

输出:

在Pandas中编写自定义聚合函数

4 .自定义聚合函数：有时需要创建我们自己的聚合函数。

例子：考虑一个由学生身份（stu_id）、科目代码（sub_code）和分数（mark）组成的数据框。

# import pandas library
import pandas as pd
   
# Creating DataFrame
df = pd.DataFrame(
    {'stud_id' : [101, 102, 103, 104, 
                  101, 102, 103, 104],
     'sub_code' : ['CSE6001', 'CSE6001', 'CSE6001', 
                   'CSE6001', 'CSE6002', 'CSE6002',
                   'CSE6002', 'CSE6002'],
     'marks' : [77, 86, 55, 90, 
                65, 90, 80, 67]}
)
  
# Printing DataFrame
df

输出:

在Pandas中编写自定义聚合函数

现在，如果你需要计算每个学生（唯一的stu_id）的总分数（两个科目的分数）。这个过程可以使用自定义聚合函数来完成。这里我的自定义聚合函数是’total’。

# Importing reduce for 
# rolling computations
from functools import reduce
  
# define a Custom aggregation 
# function for finding total
def total(series):
      return reduce(lambda x, y: x + y, series)
  
# Grouping the output according to 
# student id and printing the corresponding 
# total marks and to check whether the
# output is correct or not, sum function 
# is also used to print the sum.
df.groupby('stud_id').agg({'marks': ['sum', total]})

输出:

在Pandas中编写自定义聚合函数