在數(shù)據(jù)分析中，分組聚合二者缺一不可。對(duì)數(shù)據(jù)聚合（求和、平均值等）通常是不可避免的。pd.agg()很方便進(jìn)行聚合操作。

1. 創(chuàng)建DataFrame對(duì)象

import pandas as pd
df1 = pd.DataFrame({'sex':list('FFMFMMF'),'smoker':list('YNYYNYY'),'age':[21,30,17,37,40,18,26],'weight':[120,100,132,140,94,89,123]})

grouped = df1.groupby(['sex','smoker'])
# sex有 F M 二值，smoker有 Y N 二值，故分成四組。

2. 單列聚合

grouped['age'].agg('mean')

sex  smoker
F N30.0
  Y28.0
M N40.0
  Y17.5
Name: age, dtype: float64

3. 多列聚合

grouped.agg('mean')

4. 多種聚合運(yùn)算

grouped['age'].agg(['min','max'])

5. 多種聚合運(yùn)算并更改列名

grouped['age'].agg([('A','mean'),('B','max')])

6. 不同的列運(yùn)用不同的聚合函數(shù)

grouped.agg({'age':['sum','mean'], 'weight':['min','max']})

7. 使用自定義的聚合函數(shù)

def Max_cut_Min(group):
 return group.max()-group.min()
grouped.agg(Max_cut_Min)

8. 方便的descibe

grouped.describe()

參考博客：link

到此這篇關(guān)于Pandas實(shí)現(xiàn)聚合運(yùn)算agg()的示例代碼的文章就介紹到這了,更多相關(guān)Pandas 聚合運(yùn)算agg()內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

國外穩(wěn)定服務(wù)器

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。