由于以数据为中心的 Python 包的奇妙生态系统,Python 被认为是进行数据分析的最佳编程语言之一。Panda 就是 Python 中提供给我们的这样的包之一,它使得数据的导入和分析变得非常容易。
在本教程中,我们将讨论 panda 系列中给我们的 agg()
函数,并将它与给我们的系列数据一起使用。
简介:Pandas agg()
函数
我们使用 Pandas 的 agg()
函数来传递单个函数或函数列表,这些函数将应用于给定的数据序列,有时甚至单独应用于数据序列的每个元素。在我们在 agg()
函数中传递函数列表的情况下,它将返回多个结果。
句法
在这一节中,我们将研究在 agg()方法和函数的返回类型中必须使用的语法和参数。
seriesGiven.agg(function_name, axis = 0)
序列给定是程序中给我们的数据序列。
参数:
我们必须在 agg() 方法中提供以下参数。
- Function_name: 我们必须在 agg() 方法中提供一个函数、函数列表或字符串,该字符串包含要在数据序列上调用的函数的名称作为参数。
- 轴:轴的工作方式类似于为数据系列的行定义索引。我们可以给 axis 等于 0,或者提供“索引”来对数据序列执行逐行操作。此外,我们可以在 axis 参数中给出 1 或“column”来对数据序列执行按列操作。
返回类型
agg()方法的返回类型不是固定的,它总是依赖于我们在 agg()方法中作为参数传递的函数的返回类型。
使用 agg()
函数
到目前为止,我们已经了解了 Pandas 中提供给我们的 agg()
函数的用法介绍和语法。为了了解和理解 agg()方法的工作原理,我们将在下面的例子中使用这个函数。
在 agg()方法中传递单个函数
在这个例子中,我们将通过 numpy 模块创建一个随机数组,然后我们将使用 Pandas 函数使它成为一个数据序列。之后,我们将使用 agg()
函数并传递一个 lambda 函数,作为其内部的参数,因此它将为系列中给出的每个值添加 3。当我们将函数应用于数列时,我们通过 agg()
函数得到的返回类型也是数列。现在,让我们通过下面的例子来理解这个实现。
示例 1: 看看下面的 Python 程序:
# Importing panda module as pnd
import pandas as pnd
# Importing numpy module as nmp in program
import numpy as nmp
# Creating random array of 20 elements with numpy random
randomArray = nmp.random.randn(20)
# Creating series from array of random elements
dataSeries = pnd.Series(randomArray)
# Calling agg() method for data series
resultSeries = dataSeries.agg(lambda num : num + 3) # Lambda function as an argument
# Displaying before and after operation results
print('Data series of elements before operation: \n', dataSeries,
'\n\n Data series of elements after operation: \n', resultSeries)
输出:
Data series of elements before operation:
0 -0.510111
1 -0.732670
2 -0.451550
3 -0.435085
4 0.082848
5 -1.051242
6 0.203565
7 -1.014079
8 -0.232350
9 -0.325640
10 0.528320
11 -1.472293
12 -0.639487
13 -2.490666
14 -0.242837
15 0.854955
16 1.076247
17 1.491347
18 -1.767788
19 -0.205003
dtype: float64
Data series of elements after operation:
0 2.489889
1 2.267330
2 2.548450
3 2.564915
4 3.082848
5 1.948758
6 3.203565
7 1.985921
8 2.767650
9 2.674360
10 3.528320
11 1.527707
12 2.360513
13 0.509334
14 2.757163
15 3.854955
16 4.076247
17 4.491347
18 1.232212
19 2.794997
dtype: float64
说明:
首先,我们在程序中引入了 Pandas 和 numpy 模块来使用它的功能。
然后,我们用 numpy 模块的 randn()函数创建了一个 20 个元素的数组。之后,我们使用 panda 模块的 series()函数将数组变成系列形式。
然后,我们在该系列中使用了 agg()
函数,并在其中传递了 lambda 函数作为参数。我们在 agg()方法中传递了一个参数,将该系列的每个值加 3。最后,我们在输出中打印数据序列(在对其执行操作之前和之后)。
正如我们在输出中看到的,在我们对序列执行操作后,3 被添加到序列的每个值中。
在 agg()方法中传递函数列表:
在本例中,在创建数据系列之后,我们将在 agg()
函数中传递函数列表作为参数,而不是在其中传递单个函数参数。当我们在 agg()方法中传递一系列 Python 默认函数作为参数时,它会将多个结果返回到多个变量中。让我们通过下面的例子来理解这个方法的实现。
示例 2: 看看下面的 Python 程序:
# Importing panda module as pnd
import pandas as pnd
# Importing numpy module as nmp in program
import numpy as nmp
# Creating random array of 20 elements with numpy random
randomArray = nmp.random.randn(20)
# Creating series from array of random elements
dataSeries = pnd.Series(randomArray)
# Creating a list having function names in it
functionList = [min, max, sorted]
# Calling agg() method with list of functions
seriesResult1, seriesResult2, seriesResult3 = dataSeries.agg(functionList)
# Displaying elements of data series
print('Data Series before operation: \n', dataSeries)
print('\nMinimum value in the data series = {}\n\nMaximum value in the data series = {},\
\n\nSorted data series after operation:\n{}'.format(seriesResult1, seriesResult2, seriesResult3))
输出:
Data Series before operation:
0 1.324659
1 -1.632943
2 -0.451046
3 -0.119475
4 -1.476469
5 1.550481
6 -0.345283
7 -0.391220
8 1.183295
9 0.945834
10 0.426908
11 -1.373141
12 -1.360714
13 1.029160
14 -0.305868
15 0.520776
16 0.519891
17 0.581810
18 -0.200537
19 2.175055
dtype: float64
Minimum value in the data series = -1.6329428122607905
Maximum value in the data series = 2.175055294872539,
Sorted data series after operation:
[-1.6329428122607905, -1.476468968840359, -1.3731412602339488, -1.3607141137838996, -0.45104603430414114, -0.3912204479169106, -0.34528253055365704, -0.3058683242351637, -0.20053665016862435, -0.1194753076622943, 0.4269084920204909, 0.519891496565306, 0.5207757216248261, 0.5818098237803292, 0.9458337130436504, 1.02915996695176, 1.1832945335240084, 1.324659481096391, 1.5504805147479754, 2.175055294872539]
说明:
在创建一个数据系列之后,正如我们在前面的例子中所做的,我们已经创建了一个列表,其中有多个函数的名称。在这个例子中,我们没有给出一个函数作为参数,而是在 agg()
函数中传递了多个默认函数。在将这些函数作为参数传递之后,我们已经在输出中打印了操作之前和操作之后的数据系列。
当我们查看输出时,我们可以看到 agg()
函数返回了多个结果。这是因为我们在其中传递了多个函数作为参数。max()、min()和 sorted()已返回到不同的变量中,即 seriesResult1、seriesResult2 和 seriesResult3。