Python | Pandas series . aggregate()
原文:https://www . geesforgeks . org/python-pandas-series-aggregate/
熊猫系列是带有轴标签的一维数组。标签不必是唯一的，但必须是可散列的类型。该对象支持基于整数和基于标签的索引，并提供了一系列方法来执行涉及索引的操作。
Pandas **Series.aggregate()**函数在给定系列对象的指定轴上使用一个或多个操作进行聚合。
语法: Series.aggregate(func，axis=0，args， * * kwargs)
参数: 功能:功能用于汇总数据。 轴:与数据框兼容所需的参数。 参数:*要传递给 func 的位置参数。 kwargs : 要传递给 func 的关键字参数。
返回:数据帧、序列或标量
示例#1: 使用Series.aggregate()函数对给定序列对象的底层数据进行聚合。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([34, 5, 13, 32, 4, 15])
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
# set the index
sr.index = index_
# Print the series
print(sr)
输出:
Coca Cola 34
Sprite 5
Coke 13
Fanta 32
Dew 4
ThumbsUp 15
dtype: int64
现在我们使用Series.aggregate()函数来求给定数列对象中所有值的和。
# Find the sum of all values
result = sr.aggregate(func = sum)
# Print the result
print(result)
输出:
103
正如我们在输出中看到的，Series.aggregate()函数已经成功地返回了给定序列对象的底层数据之和。
例 2 : 使用Series.aggregate()函数对给定序列对象的底层数据进行聚合。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([51, 10, 24, 18, 1, 84, 12, 10, 5, 24, 0])
# Create the Index
# apply yearly frequency
index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='Y')
# set the index
sr.index = index_
# Print the series
print(sr)
输出:
2010-12-31 08:45:00 51
2011-12-31 08:45:00 10
2012-12-31 08:45:00 24
2013-12-31 08:45:00 18
2014-12-31 08:45:00 1
2015-12-31 08:45:00 84
2016-12-31 08:45:00 12
2017-12-31 08:45:00 10
2018-12-31 08:45:00 5
2019-12-31 08:45:00 24
2020-12-31 08:45:00 0
Freq: A-DEC, dtype: int64
现在我们将使用Series.aggregate()函数来寻找给定序列对象中所有值的最大值。
# Find the max of all values
result = sr.aggregate(func = max)
# Print the result
print(result)
输出:
84
正如我们在输出中看到的那样，Series.aggregate()函数已经成功地返回了给定序列对象中所有值的最大值。
版权属于：月萌API www.moonapi.com，转载请注明出处
