Pandas 是 Python 中用于数据处理和分析的强大库，它提供了各种功能来处理和转换数据。在 Pandas 中，有时需要对数据进行聚合操作，以便分析和摘要数据。agg 方法是 Pandas 中的一个强大工具，可以帮助进行各种数据聚合操作。本文将详细介绍 Pandas 中的 agg 方法，包括如何使用它以及如何处理不同类型的数据聚合。
什么是数据聚合？
在数据分析和处理中，数据聚合是将多个数据合并、计算或摘要为单个结果的过程。这个结果通常包括统计信息，如平均值、总和、最大值、最小值等，以便更好地理解和分析数据。Pandas 提供了多种数据聚合方法，其中之一就是 agg 方法。
Pandas 中的 agg 方法
agg 是 Pandas 中的一个方法，用于在数据帧（DataFrame）或系列（Series）上执行多个聚合操作。它可以接受一个或多个聚合函数，并将它们应用于指定的列或索引，生成一个包含聚合结果的新数据帧或系列。
agg 方法的一般语法如下：
DataFrame.agg(func, axis=0, *args, **kwargs)
其中：
-
func：一个或多个聚合函数，可以是函数、字符串或函数列表。 -
axis：指定应用聚合函数的轴，0表示列，1表示行。默认值是0。 -
*args和**kwargs：可选参数，用于传递给聚合函数的额外参数。
基本的数据聚合
首先，看看如何使用 agg 方法执行一些基本的数据聚合操作。
将使用一个示例数据帧来演示这些操作：
import pandas as pd
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Ella'],
'Age': [25, 30, 35, 40, 45],
'Salary': [50000, 60000, 75000, 80000, 90000]
}
df = pd.DataFrame(data)
计算均值
要计算某一列的均值，可以使用 agg 方法并传递 'mean' 作为聚合函数：
mean_salary = df['Salary'].agg('mean')
print(mean_salary)
这将输出 69000.0，即薪水列的均值。
计算多个聚合值
还可以使用 agg 方法一次计算多个聚合值，例如均值、总和和最大值：
aggregations = {
'Age': 'mean',
'Salary': ['sum', 'max']
}
result = df.agg(aggregations)
print(result)
这将输出以下结果：
Age 35.0
Salary 365000.0
dtype: float64
这个结果是一个包含多个聚合值的 Pandas 系列。
使用自定义聚合函数
除了内置的聚合函数，还可以使用自定义函数来进行数据聚合。
例如，可以编写一个函数来计算薪水列中高于某个阈值的人数：
def count_above_threshold(salary_series, threshold):
return (salary_series > threshold).sum()
above_70000 = df['Salary'].agg(count_above_threshold, threshold=70000)
print(above_70000)
这将输出 2，即薪水高于 70000 的人数。
分组数据聚合
agg 方法也可以与 groupby 方法一起使用，以便在分组数据上执行聚合操作。
首先，创建一个包含更多数据的数据帧：
data = {
'Department': ['HR', 'Engineering', 'Engineering', 'HR', 'Finance'],
'Salary': [60000, 70000, 75000, 55000, 80000]
}
df = pd.DataFrame(data)
按部门计算平均薪水
要按部门计算平均薪水，可以使用 groupby 方法分组数据，然后使用 agg 方法计算平均值：
average_salary_by_department = df.groupby('Department').agg({'Salary': 'mean'})
print(average_salary_by_department)
这将输出以下结果：
Salary
Department
Engineering 72500.0
Finance 80000.0
HR 57500.0
同时计算多个聚合值
还可以同时计算多个聚合值，例如平均薪水和最高薪水：
aggregations = {
'Salary': ['mean', 'max']
}
result = df.groupby('Department').agg(aggregations)
print(result)
这将输出以下结果：
Salary
mean max
Department
Engineering 72500 75000
Finance 80000 80000
HR 57500 60000
使用自定义聚合函数
可以编写自定义的聚合函数，然后将其应用到分组数据上。
例如，可以编写一个函数来计算每个部门的薪水中位数：
def median_salary(salary_series):
return salary_series.median()
median_salary_by_department = df.groupby('Department')['Salary'].agg(median_salary)
print(median_salary_by_department)
这将输出以下结果：
Department
Engineering 72500.0
Finance 80000.0
HR 57500.0
Name: Salary, dtype: float64
处理多个列
agg 方法也可以处理多个列，同时应用多个聚合函数。例如，可以同时计算年龄和薪水的均值和总和：
aggregations = {
'Age': ['mean', 'sum'],
'Salary': ['mean', 'sum']
}
result = df.groupby('Department').agg(aggregations)
print(result)
这将输出以下结果：
Age Salary
mean sum mean sum
Department
Engineering 32.5 65 72500.0 145000
Finance 45.0 45 80000.0 80000
HR 40.0 80 57500.0 115000
处理不同类型的数据聚合
有时，可能需要在同一个数据帧中应用不同类型的聚合函数，这取决于不同列的数据类型。例如，对于字符串列，可能希望计算唯一值的数量，而对于数值列，可能想要计算均值和总和。
下面是一个包含不同数据类型的示例数据帧：
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Ella'],
'Age': [25, 30, 35, 40, 45],
'Salary': [50000, 60000, 75000, 80000, 90000],
'City': ['New York', 'San Francisco', 'New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
处理不同类型的列
要处理不同类型的列，可以为不同的列指定不同的聚合函数。例如，对于字符串列（例如 Name 和 City），可以使用 nunique 函数来计算唯一值的数量，对于数值列（例如 Age 和 Salary），可以计算均值和总和：
aggregations = {
'Name': 'nunique',
'Age': ['mean', 'sum'],
'Salary': ['mean', 'sum'],
'City': 'nunique'
}
result = df.agg(aggregations)
print(result)
这将输出以下结果：
Name 5
Age 35
Salary 69000
City 4
dtype: int64
在这个示例中，为不同类型的列选择了不同的聚合函数，从而获得了不同类型的聚合结果。
总结
Pandas 中的 agg 方法是一个强大的工具，用于执行各种数据聚合操作。可以使用内置的聚合函数，也可以编写自定义的聚合函数，以满足不同的数据分析需求。通过结合 agg 方法和 groupby 方法，可以在分组数据上执行复杂的聚合操作。
希望本文对大家在 Pandas 中使用 agg 方法进行数据聚合有所帮助。通过掌握这个功能，将能够更轻松地分析和摘要数据，从而更好地理解和解释数据集。
