python pandas中的agg函数用法

当使用Python中的pandas库进行数据处理时，经常需要对数据进行统计计算，这时可以使用agg函数来实现。agg函数可以对DataFrame类型的数据进行聚合操作，聚合的方式包括平均值、中位数、和、标准差等。下面将对agg函数的用法进行详细讲解。

pandas中的agg函数用法

函数定义

agg函数的定义为：

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

其中，DataFrame是需要聚合的数据，func是需要使用的聚合函数。

常用的聚合函数

在使用agg函数时，我们需要指定一个或多个聚合函数。下面列举了一些常用的聚合函数和其使用方法：

• mean：计算均值。示例代码：

data = {'Company':['A', 'A', 'B', 'B'], 'Sales':[200, 250, 300, 150]}
df = pd.DataFrame(data)
df.agg({'Sales':'mean'})

上述代码中，我们统计了每个公司的销售额均值。

• median：计算中位数。示例代码：

data = {'Company':['A', 'A', 'B', 'B'], 'Sales':[200, 250, 300, 150]}
df = pd.DataFrame(data)
df.agg({'Sales':'median'})

上述代码中，我们统计了每个公司的销售额中位数。

• sum：计算和。示例代码：

data = {'Company':['A', 'A', 'B', 'B'], 'Sales':[200, 250, 300, 150]}
df = pd.DataFrame(data)
df.agg({'Sales':'sum'})

上述代码中，我们统计了每个公司的销售额总和。

• std：计算标准差。示例代码：

data = {'Company':['A', 'A', 'B', 'B'], 'Sales':[200, 250, 300, 150]}
df = pd.DataFrame(data)
df.agg({'Sales':'std'})

上述代码中，我们统计了每个公司的销售额标准差。

聚合多个列

agg函数也可以用于聚合多个列的数据。示例代码：

data = {'Company':['A', 'A', 'B', 'B'], 'Sales':[200, 250, 300, 150], 'Profit':[20, 25, 30, 15]}
df = pd.DataFrame(data)
df.agg({'Sales':['mean', 'sum'], 'Profit':['median', 'std']})

上述代码中，我们统计了每个公司的销售额均值、总和；利润的中位数和标准差。

结语

以上就是pandas中agg函数的详细用法介绍，我们可以灵活运用agg函数进行数据聚合操作，加快数据处理速度，并获得更好的数据分析效果。