DataFrame.agg

DataFrame.agg(func, axis=0, *args, **kwargs)

使用指定axis上的一个或多个操作Aggregate(聚合)。

参数

• func : function, str, list或 dict

  函数，用于聚合数据。如果是函数，

  则必须在传递DataFrame或传递到DataFrame.apply时工作。

  接受的组合是:

  function
  string function name
  

  functions的list 和/或 function names, 例如， [np.sum, 'mean']

  axis labels的dict -> functions, function names 或 这样的list.

• axis : {0 or ‘index’, 1 或 ‘columns’}, 默认 0

  如果0或' index ':应用函数到每一列。

  如果1或‘columns’:应用函数到每一行。

• *args

  要传递给func的位置参数。

• **kwargs

  要传递给func的关键字参数。

返回值：

DataFrame,Series或scalar

如果使用单个函数调用DataFrame.agg，则返回Series，

如果使用多个函数调用DataFrame.agg，

如果使用单个函数调用Series.agg则返回DataFrame，

如果使用多个函数调用Series.agg则返回标量，

返回一个Series。

聚合操作总是在轴上执行，或者是index（默认）或列轴。 这种行为不同于

numpy聚合函数（mean，median，prod，sum，std，var），其中默认值是计算展平的聚合数组，例如numpy.mean（arr_2d） 而不是numpy.mean（arr_2d，轴= 0）。agg是aggregate的别名。 使用别名。

agg是聚合的别名。使用别名。

传递的用户定义函数将被传递一Series用于求值。

df = pd.DataFrame([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9],
                   [np.nan, np.nan, np.nan]],
                  columns=['A', 'B', 'C'])

在行上聚合这些函数

df.agg(['sum', 'min'])
        A     B     C
sum  12.0  15.0  18.0
min   1.0   2.0   3.0

每个列有不同的聚合

df.agg({'A' : ['sum', 'min'], 'B' : ['min', 'max']})
        A    B
max   NaN  8.0
min   1.0  2.0
sum  12.0  NaN

对列进行聚合

df.agg("mean", axis="columns")
0    2.0
1    5.0
2    8.0
3    NaN
dtype: float64

参考

• Python pandas.DataFrame.agg函数方法的使用