Pandas agg()函数介绍及命名聚合-优快云博客

简介

agg() 函数是 Pandas 库中的一个非常强大的函数，用于执行聚合操作。在 Pandas 中，聚合通常指的是对一组值执行某种计算以返回一个单一的值，例如求和、平均值、最大值、最小值等。
agg() 函数可以应用于 Pandas 的 Series、DataFrame 或 GroupBy 对象。它允许你灵活地应用一个或多个聚合函数到数据上。

基本用法

应用于Series

import pandas as pd

s = pd.Series([1, 2, 3, 4, 5])
print(s.agg('sum'))
# 输出 15

应用于DataFrame

import pandas as pd

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

print(df.agg('sum'))  # 对每列求和

'''输出
A     6
B    15
dtype: int64
'''

使用多个聚合函数

你可以将多个聚合函数放入一个list里传递给 agg() 以在一个操作中获取多个结果。

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]})
agg_df = df.agg(['sum', 'mean'])
print(agg_df)
'''输出
        A     B
sum   6.0  15.0
mean  2.0   5.0
'''

使用自定义函数

你也可以传递自定义的函数给 agg() 来执行聚合操作。
传递给自定义函数custom_agg的参数是pd.Series A列或pd.DataFrame df。
以pd.Series方式df['A']传入A列时返回numpy.float64,以pd.DataFrame方式df[['A']]传入A列时返回Series，如果多个聚合函数返回DataFrame

import pandas as pd

def custom_agg(s):
    return s.sum() * s.mean()

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]})
print(df.agg(custom_agg))
print(type(df.agg(custom_agg)))  #<class 'pandas.core.series.Series'>
'''输出
A    12.0
B    75.0
dtype: float64
<class 'pandas.core.series.Series'>
'''

print(df['A'].agg(custom_agg))
print(type(df['A'].agg(custom_agg)))  #<class 'numpy.float64'>
'''输出
12.0
<class 'numpy.float64'>
'''

print(df[['A']].agg(custom_agg))
print(type(df[['A']].agg(custom_agg)))  #<class 'pandas.core.series.Series'>
'''输出
A    12.0
dtype: float64
<class 'pandas.core.series.Series'>
'''

在Groupby中使用

agg() 在 GroupBy 对象中特别有用，允许你对每个组执行聚合操作。

import pandas as pd


df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]})
df['Group'] = ['T1', 'T2', 'T1']
print(df)
'''output
   A  B Group
0  1  4    T1
1  2  5    T2
2  3  6    T1
'''

add_df = df.groupby(['Group']).agg(['sum', 'mean'])
print(add_df)
'''output
        A        B     
      sum mean sum mean
Group                  
T1      4  2.0  10  5.0
T2      2  2.0   5  5.0
'''

对不同的列使用不同的agg函数

import pandas as pd


df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]})
df['Group'] = ['T1', 'T2', 'T1']
print(df)
'''output
   A  B Group
0  1  4    T1
1  2  5    T2
2  3  6    T1
'''
ser1 = df.agg({'A': 'sum', 'B': 'mean'})
print(ser1)
print(type(ser1))
'''output
A    6.0
B    5.0
dtype: float64
<class 'pandas.core.series.Series'>
'''

命名聚合

命名聚合（Named Aggregation）是 Pandas 库中一种特殊的聚合方式，主要用于在 GroupBy 操作中更清晰、明确地指定聚合操作的输出列名以及对应的聚合函数。
命名聚合通过关键字参数的方式指定输出的列名和对应的聚合函数。具体来说，关键字参数的名字将成为输出 DataFrame 的列名，而对应的值则是要应用的聚合函数。
命名聚合还支持 lambda 函数作为聚合函数，可以方便地进行一些自定义的计算。
命名聚合绝大多数用于 GroupBy 操作，很少用于普通的 Series 或 DataFrame 对象。这里也给出用例。

用于普通DataFrame，SUM_A 和MEAN_B输出 DataFrame 的行index

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]})
df['Group'] = ['T1', 'T2', 'T1']
print(df)
'''output
   A  B Group
0  1  4    T1
1  2  5    T2
2  3  6    T1
'''

df2 = df.agg(SUM_A=('A', 'sum'), MEAN_B=('B', 'mean'))
print(df2)
print(type(df2))
'''output
          A    B
SUM_A   6.0  NaN
MEAN_B  NaN  5.0
<class 'pandas.core.frame.DataFrame'>
'''

用于Groupby， SUM_A 和MEAN_B输出 DataFrame 的列名

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]})
df['Group'] = ['T1', 'T2', 'T1']
print(df)
'''output
   A  B Group
0  1  4    T1
1  2  5    T2
2  3  6    T1
'''

df2 = df.agg(SUM_A=('A', 'sum'), MEAN_B=('B', 'mean'))
print(df2)
print(type(df2))
'''output
          A    B
SUM_A   6.0  NaN
MEAN_B  NaN  5.0
<class 'pandas.core.frame.DataFrame'>
'''

df3 = df.groupby(['Group']).agg(SUM_A=('A', 'sum'), MEAN_B=('B', 'mean'))
print(df3)
print(type(df3))
'''output
       SUM_A  MEAN_B
Group               
T1         4     5.0
T2         2     5.0
<class 'pandas.core.frame.DataFrame'>
'''