Pandas 数据帧agg()方法

原文：https://www.studytonight.com/pandas/pandas-dataframe-agg-method

在本教程中，我们将学习 Pandas data frame . agg()方法。此方法使用指定轴(即行或列)上的一个或多个操作进行聚合。

它根据函数返回标量、序列或数据帧。当用单个函数调用 DataFrame.agg 时，它返回 Series，当用多个函数调用 DataFrame.agg 时，它返回 DataFrame。

下面展示了 Pandas 中这个函数的语法。

句法

使用该函数所需的语法如下:

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

参数

让我们看看这个函数的参数:

功能:用于汇总数据。它可以是函数、字符串函数名、函数列表或函数名。例如:[np.sum，' min']

轴:如果为 0 或“索引”，则对每列应用一个函数。如果是 1 或“列”，则为每行应用一个函数。默认轴值为 0 或“索引”。

*参数:要传递给 func 的位置参数。

**kwargs: 要传递给 func 的关键字参数。

示例:在行上用单个函数聚合数据帧

下面的例子展示了如何用单个函数应用DataFrame.agg()方法。聚合操作总是在轴上执行。

import pandas as pd
df = pd.DataFrame([[1, 2, 3],[4, 5, 6],[7,8,9],[10,11,12]],columns=['A', 'B','C'])
print("Printing number of non-null values in DataFrame")
print(df.agg(["count"]))
print("Printing the sum of values in DataFrame")
print(df.agg(["sum"]))

一旦我们运行程序，我们将得到以下结果。

打印数据帧中非空值的数量 A B C 计数 4 4 4 打印数据帧中值的总和 A B C 总和 22 26 30

示例:在行上用单个函数聚合数据帧

下面是如何用单个函数应用DataFrame.agg()方法的另一个例子。

import pandas as pd
df = pd.DataFrame([[1, 2, 3],[4, 5, 6],[7,8,9],[10,11,12]],columns=['A', 'B','C'])
print("Printing the minimum value in DataFrame")
print(df.agg(["min"]))
print("Printing the maximum value in DataFrame")
print(df.agg(["max"]))

一旦我们运行程序，我们将得到以下结果。

在数据帧中打印最小值 A B C 最小 1 2 3 在数据帧中打印最大值 A B C 最大 10 11 12

示例:在列上用单个函数聚合数据帧

下面的例子展示了如何用单个函数应用DataFrame.agg()方法。聚合操作总是在一个轴上执行，这里是axis=1 or 'columns'.

import pandas as pd
df = pd.DataFrame([[1, 2, 3],[4, 5, 6],[7,8,9],[10,11,12]],columns=['A', 'B','C'])
print("Printing number of non-null values in DataFrame")
print(df.agg(["count"],axis='columns'))
print("Printing the sum of values in DataFrame")
print(df.agg(["sum"],axis='columns'))

一旦我们运行程序，我们将得到以下结果。

打印数据帧中非空值的数量 计数 0 3 1 3 2 3 3 3 打印数据帧中值的总和 总和 0 6 1 15 2 24 3 33

示例:在列上用单个函数聚合数据帧

下面是如何用单个函数应用DataFrame.agg()方法的另一个例子。

import pandas as pd
df = pd.DataFrame([[1, 2, 3],[4, 5, 6],[7,8,9],[10,11,12]],columns=['A', 'B','C'])
print("Printing the minimum value in DataFrame")
print(df.agg(["min"],axis='columns'))
print("Printing the maximum value in DataFrame")
print(df.agg(["max"],axis='columns'))

一旦我们运行程序，我们将得到以下结果。

打印数据帧中的最小值 min 0 1 1 4 2 7 3 10 打印数据帧中的最大值 max 0 3 1 6 2 9 3 12

示例:在列上用单个函数聚合数据帧的另一个示例。

下面是如何用单个函数应用DataFrame.agg()方法的另一个例子。

import pandas as pd
df = pd.DataFrame([[1, 2, 3],[4, 5, 6],[7,8,9],[10,11,12]],columns=['A', 'B','C'])
print("Printing the mean of values in DataFrame")
print(df.agg(["mean"],axis='columns'))
print("Printing the median of values in DataFrame")
print(df.agg(["median"],axis='columns'))

一旦我们运行程序，我们将得到以下结果。

打印数据帧中值的平均值 平均值 0 2.0 1 5.0 2 8.0 3 11.0 打印数据帧中值的中值 中值 0 2.0 1 5.0 2 8.0 3 11.0

示例:用行和列上的函数列表聚合数据帧。

下面的例子展示了如何用函数列表应用DataFrame.agg()方法。

import pandas as pd
df = pd.DataFrame([[1, 2, 3],[4, 5, 6],[7,8,9],[10,11,12]],columns=['A', 'B','C'])
print("printing sum and min of the dataframe with default axis")
print(df.agg(["sum","min"]))
print("printing sum and min of the dataframe with the axis is equal to columns")
print(df.agg(["sum","min"],axis='columns'))

一旦我们运行程序，我们将得到以下结果。

用默认轴打印数据帧的总和和最小值 A B C 总和 22 26 30 最小值 1 2 3 用轴打印数据帧的总和和最小值等于列 总和最小值 0 6 1 1 15 4 2 24 7 3 33 10

示例:在数据帧的列上聚合不同的函数。

下面的例子展示了如何用不同的函数应用DataFrame.agg()方法。

import pandas as pd
df = pd.DataFrame([[1, 2, 3],[4, 5, 6],[7,8,9],[10,11,12]],columns=['A', 'B','C'])
#print(df.agg(x=('A', sum), y=('B', min), z=('C', max)))
print(df.agg({'A':["sum"], 'B':["min","max"], 'C':["count"]}))

一旦我们运行程序，我们将得到以下结果。

A B C 计数 NaN NaN 4.0 最大 NaN 11.0 NaN 最小 NaN 2.0 NaN 总和 22.0 NaN

结论

在本教程中，我们学习了 DataFrame.agg()方法，这是 Pandas 的内置函数。我们通过在具有单个、多个函数和不同行和列函数的数据帧上应用这种方法来解决示例。