maxframe.dataframe.DataFrame.agg#

DataFrame.agg(func=None, axis=0, **kw)#

在指定轴上使用一个或多个操作进行聚合。

参数:

  • df (DataFrame, Series) -- 要聚合的对象。

  • func (list or dict) -- 用于聚合数据的函数。

  • axis ({0 or ‘index’, 1 or ‘columns’}, default 0) -- 如果是 0 或 ‘index’：对每一列应用函数。如果是 1 或 ‘columns’：对每一行应用函数。

  • kw -- 传递给 func 的关键字参数。

返回:

返回值可以是： * 标量：当 Series.agg 使用单个函数调用时 * Series：当 DataFrame.agg 使用单个函数调用时 * DataFrame：当 DataFrame.agg 使用多个函数调用时

返回类型:

scalar, Series or DataFrame

示例

>>> import maxframe.dataframe as md
>>> df = md.DataFrame([[1, 2, 3],
...            [4, 5, 6],
...            [7, 8, 9],
...            [np.nan, np.nan, np.nan]],
...           columns=['A', 'B', 'C']).execute()

对这些函数按行进行聚合。

>>> df.agg(['sum', 'min']).execute()
        A     B     C
min   1.0   2.0   3.0
sum  12.0  15.0  18.0

每列使用不同的聚合函数。

>>> df.agg({'A' : ['sum', 'min'], 'B' : ['min', 'max']}).execute()
        A    B
max   NaN  8.0
min   1.0  2.0
sum  12.0  NaN

对各列使用不同的聚合函数，并重命名结果 DataFrame 的索引。

>>> df.agg(x=('A', 'max'), y=('B', 'min'), z=('C', 'mean')).execute()
     A    B    C
x  7.0  NaN  NaN
y  NaN  2.0  NaN
z  NaN  NaN  6.0

>>> s = md.Series([1, 2, 3, 4])
>>> s.agg('min').execute()
1

>>> s.agg(['min', 'max']).execute()
max    4
min    1