Pandas agg()函数介绍及命名聚合

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'>
  '''