跳转至

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。

回到顶部