python pandas中的agg函数用法_python_

>>> df = pd.read_excel(r"D:/myExcel/1.xlsx") >>> df         A   B   C 0     bob  12  45 1  millor  15  23 2     bob  34  88 3     bob  98  23

>>> df.groupby(by='A').agg({'B':'max'})          B A          bob     98 millor  15

>>> df.groupby(by='A').agg({'B':['max','min']})          B            max min A              bob     98  12 millor  15  15

>>> df.groupby(by='A').agg({'B':['max','min'], 'C':'min'})          B       C        max min min A                  bob     98  12  23 millor  15  15  23

>>> df.groupby(by='A').agg( b_min=pd.NamedAgg(column='B', aggfunc='min'), b_max=pd.NamedAgg(column='B', aggfunc='max'))         b_min  b_max A                    bob        12     98 millor     15     15

>>> df.groupby('A').B.agg(['min', 'max'])         min  max A                bob      12   98 millor   15   15 >>> df.groupby('A').B.agg(['min', 'max']).reset_index()         A  min  max 0     bob   12   98 1  millor   15   15

import pandas as pd df1 = pd.DataFrame({'sex':list('FFMFMMF'),'smoker':list('YNYYNYY'),'age':[21,30,17,37,40,18,26],'weight':[120,100,132,140,94,89,123]}) 

grouped = df1.groupby(['sex','smoker']) # sex有 F M 二值，smoker有 Y N 二值，故分成四组。 

grouped['age'].agg('mean') 

sex smoker F N 30.0 Y 28.0 M N 40.0 Y 17.5 Name: age, dtype: float64 

grouped.agg('mean') 

grouped['age'].agg(['min','max']) 

grouped['age'].agg([('A','mean'),('B','max')]) 

grouped.agg({'age':['sum','mean'], 'weight':['min','max']}) 

def Max_cut_Min(group): return group.max()-group.min() grouped.agg(Max_cut_Min) 

grouped.describe()