Pandas知识点-详解聚合函数agg-轻识

Pandas提供了多个聚合函数，聚合函数可以快速、简洁地将多个函数的执行结果聚合到一起。

本文介绍的聚合函数为DataFrame.aggregate()，别名DataFrame.agg()，aggregate()和agg()是同一个函数，仅名字不同。

agg()参数和用法介绍

agg(self, func=None, axis=0, *args, **kwargs):

func: 用于聚合数据的函数，如max()、mean()、count()等，函数必须满足传入一个DataFrame能正常使用，或传递到DataFrame.apply()中能正常使用。

func参数可以接收函数的名字、函数名的字符串、函数组成的列表、行/列标签和函数组成的字典。

axis: 设置按列还是按行聚合。设置为0或index，表示对每列应用聚合函数，设置为1或columns，表示对每行应用聚合函数。

*args: 传递给函数func的位置参数。

**kwargs: 传递给函数func的关键字参数。

返回的数据分为三种：scalar（标量）、Series或DataFrame。

scalar: 当Series.agg()聚合单个函数时返回标量。

Series: 当DataFrame.agg()聚合单个函数时，或Series.agg()聚合多个函数时返回Series。

DataFrame: 当DataFrame.agg()聚合多个函数时返回DataFrame。

传入单个参数

# coding=utf-8
import pandas as pd
import numpy as np

df = pd.DataFrame(
    {'Col-1': [1, 3, 5], 'Col-2': [2, 4, 6],
     'Col-3': [9, 8, 7], 'Col-4': [3, 6, 9]},
    index=['A', 'B', 'C'])
print(df)

   Col-1  Col-2  Col-3  Col-4
A      1      2      9      3
B      3      4      8      6
C      5      6      7      9

res1 = df.agg(np.mean)
print('-' * 30, '\n', res1, sep='')
res2 = df.mean()  # 调用Python内置函数
print('-' * 30, '\n', res2, sep='')
res3 = df['Col-1'].agg(np.mean)
print('-' * 30, '\n', res3, sep='')

------------------------------
Col-1    3.0
Col-2    4.0
Col-3    8.0
Col-4    6.0
dtype: float64
------------------------------
Col-1    3.0
Col-2    4.0
Col-3    8.0
Col-4    6.0
dtype: float64
------------------------------
3.0

DataFrame应用单个函数时，agg()的结果与用apply()的结果等效，用DataFrame调用Python的内置函数也可以实现相同效果。

apply()详解参考：Pandas知识点-详解行列级批处理函数apply

Series对象在agg()中传入单个函数，聚合结果为标量值，也就是单个数据。

多种方式传入函数func

# 用列表的方式传入
res4 = df.agg([np.mean, np.max, np.sum])
print('-' * 30, '\n', res4, sep='')
# 用字典的方式传入
res5 = df.agg({'Col-1': [sum, max], 'Col-2': [sum, min], 'Col-3': [max, min]})
print('-' * 30, '\n', res5, sep='')
# 函数名用字符串的方式传入
res6 = df.agg({'Col-1': ['sum', 'max'], 'Col-2': ['sum', 'min'], 'Col-3': ['max', 'min']})
print('-' * 30, '\n', res6, sep='')

------------------------------
      Col-1  Col-2  Col-3  Col-4
mean    3.0    4.0    8.0    6.0
amax    5.0    6.0    9.0    9.0
sum     9.0   12.0   24.0   18.0
------------------------------
     Col-1  Col-2  Col-3
sum    9.0   12.0    NaN
max    5.0    NaN    9.0
min    NaN    2.0    7.0
------------------------------
     Col-1  Col-2  Col-3
sum    9.0   12.0    NaN
max    5.0    NaN    9.0
min    NaN    2.0    7.0

在agg()中，可以用列表的方式传入多个函数，会将这些函数在每一列的执行结果聚合到一个DataFrame中，结果DataFrame中的索引为对应的函数名。

也可以用字典的方式按列/行指定聚合函数，会将指定列/行与对应函数的执行结果聚合到一个DataFrame中，列/行和函数没有对应关系的位置填充空值。

在上面的情况中，函数名都可以换成用字符串的方式传入，结果一样。

# 用元组的方式按列/行传入函数
res7 = df.agg(X=('Col-1', 'sum'), Y=('Col-2', 'max'), Z=('Col-3', 'min'),)
print('-' * 30, '\n', res7, sep='')
res8 = df.agg(X=('Col-1', 'sum'), Y=('Col-2', 'max'), Zmin=('Col-3', 'min'), Zmax=('Col-3', 'max'))
print('-' * 30, '\n', res8, sep='')

------------------------------
   Col-1  Col-2  Col-3
X    9.0    NaN    NaN
Y    NaN    6.0    NaN
Z    NaN    NaN    7.0
------------------------------
      Col-1  Col-2  Col-3
X       9.0    NaN    NaN
Y       NaN    6.0    NaN
Zmin    NaN    NaN    7.0
Zmax    NaN    NaN    9.0

agg()还支持将不同的列/行和函数组合成元组，赋值给一个自定义的索引名，聚合结果DataFrame的索引按自定义的值重命名。

用这种方式传入函数时，元组中只能有两个元素：列/行名和一个函数，不能同时传入多个函数，如果要对同一列/行执行多个函数，需要用多个元组多次赋值。

传入自定义函数和匿名函数

def fake_mean(s):
    return (s.max()+s.min())/2


res9 = df.agg([fake_mean, lambda x: x.mean()])
print('-' * 40, '\n', res9, sep='')
res10 = df.agg([fake_mean, lambda x: x.max(), lambda x: x.min()])
print('-' * 40, '\n', res10, sep='')

----------------------------------------
           Col-1  Col-2  Col-3  Col-4
fake_mean    3.0    4.0    8.0    6.0
<lambda>     3.0    4.0    8.0    6.0
----------------------------------------
           Col-1  Col-2  Col-3  Col-4
fake_mean    3.0    4.0    8.0    6.0
<lambda>     5.0    6.0    9.0    9.0
<lambda>     1.0    2.0    7.0    3.0

传入自定义函数和匿名函数时，聚合结果中对应的索引也是显示函数名字，匿名函数显示<lambda>，有多个匿名函数时，同时显示<lambda>。

这里需要注意，只有匿名函数可以传入重复的函数，自定义函数和内置函数等不能重复，会报错SpecificationError: Function names must be unique if there is no new column names assigned。

自定义实现describe函数的效果

print(df.describe())

       Col-1  Col-2  Col-3  Col-4
count    3.0    3.0    3.0    3.0
mean     3.0    4.0    8.0    6.0
std      2.0    2.0    1.0    3.0
min      1.0    2.0    7.0    3.0
25%      2.0    3.0    7.5    4.5
50%      3.0    4.0    8.0    6.0
75%      4.0    5.0    8.5    7.5
max      5.0    6.0    9.0    9.0

describe()函数包含了数值个数、均值、标准差、最小值、1/4分位数、中位数、3/4分位数、最大值。

from functools import partial

# 20%分为数
per_20 = partial(pd.Series.quantile, q=0.2)
per_20.__name__ = '20%'
# 80%分为数
per_80 = partial(pd.Series.quantile, q=0.8)
per_80.__name__ = '80%'
res11 = df.agg([np.min, per_20, np.median, per_80, np.max])
print('-' * 40, '\n', res11, sep='')

        Col-1  Col-2  Col-3  Col-4
amin      1.0    2.0    7.0    3.0
20%       1.8    2.8    7.4    4.2
median    3.0    4.0    8.0    6.0
80%       4.2    5.2    8.6    7.8
amax      5.0    6.0    9.0    9.0

用agg()函数可以聚合实现describe()相同的效果，只要将函数组合在一起传给agg()即可。所以我们可以根据自己的需要来增加或裁剪describe()中的内容。

上面的例子中，pd.Series.quantile()是pandas中求分位数的函数，默认是求中位数，指定q参数可以计算不同的分位数。

partial()是Python的functools内置库中的函数，作用是给传入它的函数固定参数值，如上面分别固定quantile()的q参数为0.2/0.8。

分组聚合结合使用

# 先用groupby()分组再用agg()聚合
res12 = df.groupby('Col-1').agg([np.min, np.max])
print('-' * 40, '\n', res12, sep='')
# 分组后只聚合某一列
res13 = df.groupby('Col-1').agg({'Col-2': [np.min, np.mean, np.max]})
print('-' * 40, '\n', res13, sep='')

----------------------------------------
      Col-2      Col-3      Col-4     
       amin amax  amin amax  amin amax
Col-1                                 
1         2    2     9    9     3    3
3         4    4     8    8     6    6
5         6    6     7    7     9    9
----------------------------------------
      Col-2          
       amin mean amax
Col-1                
1         2  2.0    2
3         4  4.0    4
5         6  6.0    6

agg()经常接在分组函数groupby()的后面使用，先分组再聚合，分组之后可以对所有组聚合，也可以只聚合需要聚合的组。

groupby()详解参考：Pandas知识点-详解分组函数groupby

res14 = df.groupby('Col-1').agg(
    c2_min=pd.NamedAgg(column='Col-2', aggfunc='min'),
    c3_min=pd.NamedAgg(column='Col-3', aggfunc='min'),
    c2_sum=pd.NamedAgg(column='Col-2', aggfunc='sum'),
    c3_sum=pd.NamedAgg(column='Col-3', aggfunc='sum'),
    c4_sum=pd.NamedAgg(column='Col-4', aggfunc='sum')
)
print('-' * 40, '\n', res14, sep='')

----------------------------------------
       c2_min  c3_min  c2_sum  c3_sum  c4_sum
Col-1                                        
1           2       9       2       9       3
3           4       8       4       8       6
5           6       7       6       7       9

pd.NamedAgg可以对聚合进行更精准的定义，它包含column和aggfunc两个定制化的字段，column设置用于聚合的列，aggfunc设置用于聚合的函数。

借助pd.NamedAgg，可以给column和aggfunc的组合自定义命名，自定义命名体现为聚合结果中的列名。

以上就是pandas中聚合函数agg()的用法介绍和分析，如果本文的内容对你有帮助，欢迎点赞、在看、收藏，也可以关注和联系我一起交流讨论。

参考文档：

[1] pandas中文网：https://www.pypandas.cn/docs/