Pandas知识点-详解聚合函数agg

在数据分析中，聚合函数是处理数据的重要工具，它能够将一组数据汇总成一个单一的值。Pandas作为Python中常用的数据处理库，提供了丰富的聚合函数，其中agg函数是其中之一。
一、agg函数简介
Pandas中的agg函数是一个非常强大的聚合函数，它能够对DataFrame或Series对象进行各种聚合操作。agg函数可以接受一个函数或一个字符串作为参数，用于指定要执行的聚合操作。如果传入一个字符串，则该字符串表示要执行的聚合操作的名称，如’sum’、’mean’等。如果传入一个函数，则该函数将被应用到每个值上。
二、agg函数的用法

1. 传入字符串参数
   当使用agg函数时，我们可以传入一个字符串参数来指定要执行的聚合操作。例如，如果我们想要计算DataFrame中某个列的总和，可以使用’sum’作为参数：

   import pandas as pd
   data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]}
   df = pd.DataFrame(data)
   result = df.agg('sum')
   print(result)

   输出：

   A    10
   B    26
   dtype: int64

   在这个例子中，我们使用’sum’作为agg函数的参数，将列A和列B中的值分别求和。输出结果是一个Series对象，其中每个值都是对应列的总和。
2. 传入自定义函数
   除了使用字符串参数外，我们还可以将自定义函数作为agg函数的参数。例如，如果我们想要计算DataFrame中某个列的平均值，可以定义一个求平均值的函数，并将其作为参数传递给agg函数：

   import pandas as pd
   import numpy as np
   data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]}
   df = pd.DataFrame(data)
   def mean(x):
   return np.mean(x)
   result = df.agg(mean)
   print(result)

   输出：

   A    2.500000
   B    6.500000
   dtype: float64

   在这个例子中，我们定义了一个名为mean的自定义函数，该函数使用numpy库中的mean函数来计算平均值。然后我们将该函数作为参数传递给agg函数，对列A和列B中的值分别计算平均值。输出结果是一个Series对象，其中每个值都是对应列的平均值。
3. 多个聚合操作同时应用
   我们还可以使用agg函数同时应用多个聚合操作。例如，如果我们想要同时计算DataFrame中某个列的总和和平均值，可以这样做：

   import pandas as pd
   import numpy as np
   data = {'A': [1, 2, 3, 4]}
   df = pd.DataFrame(data)
   result = df.agg([np.sum, np.mean])
   print(result)