利用agg()函数可以进行更灵活的聚合操作

Pandas中的的agg()函数为aggregate的缩写，总数、合计、聚合的意思，是一个功能非常强大的函数，在Pandas中可以利用agg()对Series、DataFrame以及groupby()后的结果进行聚合操作。

该函数传入的参数为字典，键为变量名，值为对应的聚合函数字符串，譬如

{'value1':['sum','max'], 'value2':['median','max','min]}

就代表对数据框中的value1列进行求和、最大值操作，对value2列进行中位数、最大值、最小值操作。

 

下面用几个简单的例子演示其具体使用方式，先构建一个基础的数据，用于下面的实验。

data = pd.DataFrame({"company":['百度', '阿里', '百度', '阿里', '百度', '腾讯', '腾讯', '阿里', '腾讯', '阿里'],'level': ['P7', 'P7', 'P8', 'P5', 'P8', 'P7', 'P8', 'P7', 'P5', 'P6'],"salary":[43000, 24000, 40000, 39000, 8000, 47000, 25000, 16000, 21000, 38000],"age":[25, 34, 49, 42, 28, 23, 45, 21, 34, 29]})

1、聚合Series

在对Series进行聚合时，因为只有1列，所以可以不使用字典的形式传递参数，直接传入函数名列表即可：

只计算工资列的最小值

data['salary'].agg('min')8000

求工资列列的最小值、最大值以及中位数

data['salary'].agg(['min','max','median'])min        8000.0max       47000.0median    31500.0Name: salary, dtype: float64

 

2、聚合数据框

对数据框进行聚合时因为有多列，所以要使用字典的方式传入聚合方案：

 data.agg({'level': ['max','min'], 'salary': ['mean','std']})    level        salarymax     P8           NaNmin     P5           NaNmean   NaN  30100.000000std    NaN  13016.655997

值得注意的是，因为上例中对于不同变量的聚合方案不统一，所以会出现NaN的情况。

 

3、聚合groupby()结果

求每个公司-每个层级工资的最大值、最小值、中位数

data.groupby(['company','level']).agg({'salary':['min','max','median']})salary              min    max mediancompany level                     百度      P7     43000  43000  43000P8      8000  40000  24000腾讯      P5     21000  21000  21000P7     47000  47000  47000P8     25000  25000  25000阿里      P5     39000  39000  39000P6     38000  38000  38000P7     16000  24000  20000
data.groupby(['company','level']).agg({'salary':['min','max','median']}).reset_index(drop=False)company level salary              min    max median0      百度    P7  43000  43000  430001      百度    P8   8000  40000  240002      腾讯    P5  21000  21000  210003      腾讯    P7  47000  47000  470004      腾讯    P8  25000  25000  250005      阿里    P5  39000  39000  390006      阿里    P6  38000  38000  380007      阿里    P7  16000  24000  20000

可以注意到虽然我们使用reset_index()将索引列还原回变量，而在pandas 0.25.0以及之后的版本中，可以使用pd.NamedAgg()来为聚合后的每一列赋予新的名字：

data.groupby(['company','level']).agg(min_salary = pd.NamedAgg(column='salary', aggfunc='min'),max_salary = pd.NamedAgg(column='salary', aggfunc='max'),median = pd.NamedAgg(column='salary', aggfunc='median')).reset_index(drop=False)company level  min_salary  max_salary  median0      百度    P7       43000       43000   430001      百度    P8        8000       40000   240002      腾讯    P5       21000       21000   210003      腾讯    P7       47000       47000   470004      腾讯    P8       25000       25000   250005      阿里    P5       39000       39000   390006      阿里    P6       38000       38000   380007      阿里    P7       16000       24000   20000

往期精彩回顾



适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑黄海广老师《机器学习课程》课件合集
本站qq群851320808，加入微信群请扫码：