Pandas知识点-详解聚合函数agg
Pandas提供了多个聚合函数,聚合函数可以快速、简洁地将多个函数的执行结果聚合到一起。
本文介绍的聚合函数为DataFrame.aggregate(),别名DataFrame.agg(),aggregate()和agg()是同一个函数,仅名字不同。
agg()参数和用法介绍
agg(self, func=None, axis=0, args, *kwargs):
- func: 用于聚合数据的函数,如max()、mean()、count()等,函数必须满足传入一个DataFrame能正常使用,或传递到DataFrame.apply()中能正常使用。
func参数可以接收函数的名字、函数名的字符串、函数组成的列表、行/列标签和函数组成的字典。 - axis: 设置按列还是按行聚合。设置为0或index,表示对每列应用聚合函数,设置为1或columns,表示对每行应用聚合函数。
- *args: 传递给函数func的位置参数。
- **kwargs: 传递给函数func的关键字参数。
返回的数据分为三种:scalar(标量)、Series或DataFrame。
- scalar: 当Series.agg()聚合单个函数时返回标量。
- Series: 当DataFrame.agg()聚合单个函数时,或Series.agg()聚合多个函数时返回Series。
- DataFrame: 当DataFrame.agg()聚合多个函数时返回DataFrame。
传入单个参数
import pandas as pd
import numpy as np
df = pd.DataFrame(
{'Col-1': [1, 3, 5], 'Col-2': [2, 4, 6],
'Col-3': [9, 8, 7], 'Col-4': [3, 6, 9]},
index=['A', 'B', 'C'])
print(df)
Col-1 Col-2 Col-3 Col-4
A 1 2 9 3
B 3 4 8 6
C 5 6 7 9
res1 = df.agg(np.mean)
print('-' * 30, '\n', res1, sep='')
res2 = df.mean()
print('-' * 30, '\n', res2, sep='')
res3 = df['Col-1'].agg(np.mean)
print('-' * 30, '\n', res3, sep='')
Col-1 3.0
Col-2 4.0
Col-3 8.0
Col-4 6.0
dtype: float64
Col-1 Col-2 Col-3 Col-4
mean 3.0 4.0 8.0 6.0
amax 5.0 6.0 9.0 9.0
sum 9.0 12.0 24.0 18.0
Col-1 Col-2 Col-3
sum 9.0 12.0 NaN
max 5.0 NaN 9.0
min NaN 2.0 7.0
在agg()中,可以用列表的方式传入多个函数,会将这些函数在每一列的执行结果聚合到一个DataFrame中,结果DataFrame中的索引为对应的函数名。
也可以用字典的方式按列/行指定聚合函数,会将指定列/行与对应函数的执行结果聚合到一个DataFrame中,列/行和函数没有对应关系的位置填充空值。
在上面的情况中,函数名都可以换成用字符串的方式传入,结果一样。
res7 = df.agg(X=('Col-1', 'sum'), Y=('Col-2', 'max'), Z=('Col-3', 'min'),)
print('-' * 30, '\n', res7, sep='')
res8 = df.agg(X=('Col-1', 'sum'), Y=('Col-2', 'max'), Zmin=('Col-3', 'min'), Zmax=('Col-3', 'max'))
print('-' * 30, '\n', res8, sep='')
Col-1 Col-2 Col-3
X 9.0 NaN NaN
Y NaN 6.0 NaN
Zmin NaN NaN 7.0
Zmax NaN NaN 9.0
agg()还支持将不同的列/行和函数组合成元组,赋值给一个自定义的索引名,聚合结果DataFrame的索引按自定义的值重命名。
用这种方式传入函数时,元组中只能有两个元素:列/行名和一个函数,不能同时传入多个函数,如果要对同一列/行执行多个函数,需要用多个元组多次赋值。
传入自定义函数和匿名函数
def fake_mean(s):
return (s.max()+s.min())/2
res9 = df.agg([fake_mean, lambda x: x.mean()])
print('-' * 40, '\n', res9, sep='')
res10 = df.agg([fake_mean, lambda x: x.max(), lambda x: x.min()])
print('-' * 40, '\n', res10, sep='')
Col-1 Col-2 Col-3 Col-4
fake_mean 3.0 4.0 8.0 6.0
5.0 6.0 9.0 9.0
1.0 2.0 7.0 3.0
传入自定义函数和匿名函数时,聚合结果中对应的索引也是显示函数名字,匿名函数显示
print(df.describe())
Col-1 Col-2 Col-3 Col-4
count 3.0 3.0 3.0 3.0
mean 3.0 4.0 8.0 6.0
std 2.0 2.0 1.0 3.0
min 1.0 2.0 7.0 3.0
25% 2.0 3.0 7.5 4.5
50% 3.0 4.0 8.0 6.0
75% 4.0 5.0 8.5 7.5
max 5.0 6.0 9.0 9.0
describe()函数包含了数值个数、均值、标准差、最小值、1/4分位数、中位数、3/4分位数、最大值。
from functools import partial
per_20 = partial(pd.Series.quantile, q=0.2)
per_20.__name__ = '20%'
per_80 = partial(pd.Series.quantile, q=0.8)
per_80.__name__ = '80%'
res11 = df.agg([np.min, per_20, np.median, per_80, np.max])
print('-' * 40, '\n', res11, sep='')
Col-1 Col-2 Col-3 Col-4
amin 1.0 2.0 7.0 3.0
20% 1.8 2.8 7.4 4.2
median 3.0 4.0 8.0 6.0
80% 4.2 5.2 8.6 7.8
amax 5.0 6.0 9.0 9.0
用agg()函数可以聚合实现describe()相同的效果,只要将函数组合在一起传给agg()即可。所以我们可以根据自己的需要来增加或裁剪describe()中的内容。
上面的例子中,pd.Series.quantile()是pandas中求分位数的函数,默认是求中位数,指定q参数可以计算不同的分位数。
partial()是Python的functools内置库中的函数,作用是给传入它的函数固定参数值,如上面分别固定quantile()的q参数为0.2/0.8。
分组聚合结合使用
res12 = df.groupby('Col-1').agg([np.min, np.max])
print('-' * 40, '\n', res12, sep='')
res13 = df.groupby('Col-1').agg({'Col-2': [np.min, np.mean, np.max]})
print('-' * 40, '\n', res13, sep='')
Col-2
amin mean amax
Col-1
1 2 2.0 2
3 4 4.0 4
5 6 6.0 6
agg()经常接在分组函数groupby()的后面使用,先分组再聚合,分组之后可以对所有组聚合,也可以只聚合需要聚合的组。
groupby()详解参考:Pandas知识点-详解分组函数groupby
res14 = df.groupby('Col-1').agg(
c2_min=pd.NamedAgg(column='Col-2', aggfunc='min'),
c3_min=pd.NamedAgg(column='Col-3', aggfunc='min'),
c2_sum=pd.NamedAgg(column='Col-2', aggfunc='sum'),
c3_sum=pd.NamedAgg(column='Col-3', aggfunc='sum'),
c4_sum=pd.NamedAgg(column='Col-4', aggfunc='sum')
)
print('-' * 40, '\n', res14, sep='')
`txt
Original: https://blog.csdn.net/weixin_43790276/article/details/125963758
Author: 小斌哥ge
Title: Pandas知识点-详解聚合函数agg
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/750647/
转载文章受原作者版权保护。转载请注明原作者出处!