Python Pandas Series.aggregation()

Python Pandas Series.aggregation()

Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的,但必须是一个可散列的类型。该对象支持基于整数和标签的索引,并提供了大量的方法来执行涉及索引的操作。

Pandas Series.aggregation()函数在给定的系列对象中使用一个或多个操作对指定轴进行聚合。

语法: Series.aggregate(func, axis=0, *args, **kwargs)

参数:
func : 用来汇总数据的函数。
axis:参数需要与DataFrame兼容。
*args :传递给func的位置参数。
**kwargs :关键字参数,传递给func。

返回 : DataFrame, Series 或 scalar

示例#1:使用Series.aggregation()函数对给定系列对象的基础数据进行聚合。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([34, 5, 13, 32, 4, 15])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

输出 :

Coca Cola    34
Sprite        5
Coke         13
Fanta        32
Dew           4
ThumbsUp     15
dtype: int64

现在我们将使用Series.aggregate()函数来寻找给定系列对象中所有数值的总和。

# Find the sum of all values
result = sr.aggregate(func = sum)
  
# Print the result
print(result)

输出 :

103

正如我们在输出中看到的,Series.aggregate()函数成功地返回了给定系列对象的基础数据之和。

示例#2 :使用Series.aggregation()函数对给定系列对象的基础数据进行聚合。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([51, 10, 24, 18, 1, 84, 12, 10, 5, 24, 0])
  
# Create the Index
# apply yearly frequency
index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='Y')
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

输出 :

2010-12-31 08:45:00    51
2011-12-31 08:45:00    10
2012-12-31 08:45:00    24
2013-12-31 08:45:00    18
2014-12-31 08:45:00     1
2015-12-31 08:45:00    84
2016-12-31 08:45:00    12
2017-12-31 08:45:00    10
2018-12-31 08:45:00     5
2019-12-31 08:45:00    24
2020-12-31 08:45:00     0
Freq: A-DEC, dtype: int64

现在我们将使用Series.aggregate()函数来寻找给定系列对象中所有数值的最大值。

# Find the max of all values
result = sr.aggregate(func = max)
  
# Print the result
print(result)

输出 :

84

正如我们在输出中看到的,Series.aggregate()函数成功地返回了给定系列对象中所有数值的最大值。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Pandas Series