【Pandas】pandas DataFrame agg

Pandas2.2 DataFrame

Function application, GroupBy & window

方法	描述
DataFrame.apply(func[, axis, raw, …])	用于沿 DataFrame 的轴（行或列）应用一个函数
DataFrame.map(func[, na_action])	用于对 DataFrame 的每个元素应用一个函数
DataFrame.applymap(func[, na_action])	用于对 DataFrame 中的每一个元素应用一个函数
DataFrame.pipe(func, *args, **kwargs)	用于实现链式编程风格的方法
DataFrame.agg([func, axis])	用于对 DataFrame 的数据进行聚合操作

pandas.DataFrame.agg()

pandas.DataFrame.agg()（或 DataFrame.aggregate()）方法用于对 DataFrame 的数据进行聚合操作。它可以沿指定轴（行或列）应用一个或多个聚合函数，常用于统计汇总分析。

---

方法签名

DataFrame.agg(func=None, axis=0)

---

参数说明

参数	类型	描述
func	function、str、list 或 dict	要应用的聚合函数。可以是一个函数名字符串（如 'sum'）、函数对象（如 np.sum）、函数列表，或者为每列指定不同函数的字典。
axis	{0 or ‘index’, 1 or ‘columns’}, default: 0	沿哪个轴进行聚合：0 表示按列聚合（默认），1 表示按行聚合。

---

返回值

• 如果 func 是单个聚合函数，则返回一个 Series。
• 如果 func 是多个聚合函数或多个列分别聚合，则返回一个 DataFrame。

---

示例

示例1：使用单个聚合函数（如 'mean'）

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

result = df.agg('mean')
print(result)

输出：

A    2.0
B    5.0
dtype: float64

---

示例2：使用多个聚合函数（如 ['min', 'max']）

result = df.agg(['min', 'max'])
print(result)

输出：

   A  B
min  1  4
max  3  6

---

示例3：对不同列使用不同的聚合函数

result = df.agg({
    'A': 'mean',
    'B': ['min', 'max']
})
print(result)

输出：

          A    B
mean     2.0  NaN
min      NaN  4.0
max      NaN  6.0

---

示例4：按行聚合（axis=1）

result = df.agg('sum', axis=1)
print(result)

输出：

0    5
1    7
2    9
dtype: int64

---

总结

• agg() 支持多种聚合方式，灵活适用于各类统计汇总需求。
• 可以为不同列指定不同的聚合函数。
• 常用于数据分析中的分组统计（与 groupby() 配合使用时更加强大）。