C#中五个序列聚合运算(Sum, Average, Min, Max,Aggregate)

有一段时间不写博文了,是自己不学习了么,怪不得感觉自己寂寞空虚冷了呢。。。偷笑


今天看了一篇文章,心想还有这么简便的方法,呵呵,以后不用再foreach了,又可以偷懒了。。。。大笑


Enumerable 静态类的LINQ扩展方法可以做到这一点 。就像之前大多数的LINQ扩展方法一样,这些是基于IEnumerable <TSource>序列的操作。


所以得做引用:  System.Linq;


Sum  -  返回序列的总和

            源类型必须是以下类型之一: int,float, long,double,decimalsingle 或这些类型的可空变种(int?,float?, long?, double?…) 


private float[] num = new float[]{25.2f,41,30,12,14};

float sum = num.Sum();  // sum = 122.2


还要注意的是,你可以操作上面这些类型允许Null 的可空值变种。但用SUM()时我们不用担心,因为所有的空值在求和时都排除了 :

private float?[] num = new float?[]{25.2f,41,30,12,14,null};

float sum = num.Sum();  // sum = 122.2


Average -  返回序列的平均值


private int[] num = new int[]{25,41,30,12,14};

float average = num.Average();   // average = 24.4


Average()方法,就Sum()一样,只不过它是用总和除以实际涉及到的项目数。涉及到的是什么意思?请记住,Sum()不包括空值 。Average()是将所有非null值求平均。例如:

private int?[] num = new int?[]{25,41,30,12,14,null};

float average = num.Average();   // average = 24.4


Min -  返回序列的最小值

private int[] num = new int[]{25,41,30,12,14};

float min = num.Min();   // min = 12


Min()支持几乎任何类型,只要该类型实现IComparableIComparable <T>。因此,它是不限制的数值类型,可以用于任何比较的对象(包括像值类型的DateTime,TimeSpan):

private short[] num = new short [] { 1, 3, 7, 9, -9, 33 };

float min = num.Min();   // min = -9


Max - 返回序列的最大值

private int[] num = new int[]{25,41,30,12,14};

float max = num.Max();   // max = 41

其他方面,请参考Min()。


Aggregate - 序列自定义的累加器

private int[] num = new int[]{25,41,30,12,14};

int result = num.Aggregate((total,next) => total * next);   // 25*41*30*12*14 = 5166000


Select

private int[] num = new int[]{25,41,30,12,14};

int result= num.Select((i, j) => i - j).Sum();  // (25-0) + (41-1) + (30-2) + (12-3) + (14-4) = 122


四个简单的和两个可能有点复杂的,这一组功能相当强大!这些方法可以很容易地对序列进行聚合,使你不需要进行循环和自己计算。


很方便吧。。。。。。。

(有什么不对不全的地方还请不吝赐教)


参考文章:http://www.cnblogs.com/multiplesoftware/archive/2011/08/27/2155268.html

  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 在Pythonaggregate聚合是指在一个序列(如列表或数组)执行某种计算,然后返回一个单一的值。在pandasaggregate函数通常用于DataFrame的分组操作,该函数允许您将一个或多个函数应用于特定列或所有列,然后返回一个单一的聚合结果。以下是一个示例: ```python import pandas as pd # 创建一个示例DataFrame df = pd.DataFrame({ 'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily', 'Frank'], 'Age': [25, 30, 35, 40, 45, 50], 'Salary': [60000, 70000, 80000, 90000, 100000, 110000], 'Department': ['Sales', 'Marketing', 'Sales', 'Marketing', 'Sales', 'Marketing'] }) # 对Department列进行分组,并对Age和Salary列执行聚合操作 grouped = df.groupby('Department').agg({'Age': 'mean', 'Salary': 'sum'}) print(grouped) ``` 输出结果如下: ``` Age Salary Department Marketing 41.666667 270000 Sales 35.000000 300000 ``` 在这个例子,我们首先使用groupby函数将DataFrame按照Department列进行分组,然后使用agg函数对每个分组的Age和Salary列执行聚合操作。最后,我们打印了聚合结果,其包含每个部门的平均年龄和工资总额。 ### 回答2: 在Pythonaggregate聚合)是一种数据处理和计算方法,可以将多个值合并为一个结果。它通常应用在数据分析和统计,用于对数据集进行汇总和统计分析。 举个例子,假设我们有一个包含多个学生信息的数据集,每个学生有姓名、年龄和成绩等属性。现在我们想要计算所有学生的平均年龄和总成绩。在这种情况下,我们可以使用aggregate函数来实现。 首先,我们需要导入`pandas`库,`pandas`是Python用于数据处理和分析的强大库。 ```python import pandas as pd ``` 接下来,我们可以创建一个包含学生信息的数据集,我们假设有三个学生信息如下: ```python data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [20, 21, 22], 'Score': [80, 85, 90]} df = pd.DataFrame(data) ``` 现在我们就可以使用`aggregate`函数来计算平均年龄和总成绩了: ```python result = df['Age'].aggregate(['mean']) print(result) ``` 这段代码,`df['Age']`表示我们要对年龄这一列进行聚合计算。`aggregate`函数的参数`['mean']`表示我们要计算的聚合函数是平均值。最后我们使用`print`函数打印计算结果。运行以上代码,输出结果为: ``` mean 21.0 Name: Age, dtype: float64 ``` 所以,通过`aggregate`函数,我们计算得到了所有学生的平均年龄为21岁。当然,我们还可以通过在`aggregate`函数的参数传入其他聚合函数,比如`sum`(总和)、`max`(最大值)、`min`(最小值)等,来实现不同的统计计算。 ### 回答3: 在Pythonaggregate聚合)是指对数据进行汇总或统计计算的操作。它通常用于对数据集的多个数据进行计算,以获得一个单独的结果。 例如,我们有一个包含学生分数的列表,现在我们想要计算所有学生的总分,并找出最高分和最低分。可以使用`aggregate`来实现这个操作: ```python import pandas as pd data = {'姓名': ['张三', '李四', '王五', '赵六'], '分数': [80, 75, 90, 85]} df = pd.DataFrame(data) # 计算总分 total_score = df['分数'].agg('sum') # 找出最高分 highest_score = df['分数'].agg('max') # 找出最低分 lowest_score = df['分数'].agg('min') print("总分:", total_score) print("最高分:", highest_score) print("最低分:", lowest_score) ``` 输出结果为: ``` 总分: 330 最高分: 90 最低分: 75 ``` 在这个例子,我们使用`aggregate`进行了三个操作:求和、最大值和最小值。通过提供不同的参数('sum'、'max'和'min'),`agg`函数将对数据进行不同的聚合计算。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值