极客笔记Pandas中使用agg()函数计算平均值
Pandas是一个强大的Python数据分析库，它提供了丰富的数据结构和数据操作方法，使得数据分析变得更加简单和高效。本文将详细介绍如何使用Pandas的agg()函数来计算数据的平均值。agg()函数是一个非常灵活的方法，它允许对数据进行多种统计聚合操作，其中就包括计算平均值。
1. 基础使用
在开始之前，我们需要先导入Pandas库，并创建一个简单的DataFrame作为示例。
示例代码 1：创建DataFrame
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
print(df)
Output:
示例代码 2：使用agg()计算所有列的平均值
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
average = df.agg("mean")
print(average)
Output:
2. 计算指定列的平均值
有时候我们只需要计算DataFrame中某几列的平均值。
示例代码 3：计算单列平均值
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
average_b = df['B'].agg("mean")
print(average_b)
Output:
示例代码 4：计算多列平均值
average_ab = df[['A', 'B']].agg("mean")
print(average_ab)
3. 使用自定义函数计算平均值
Pandas的agg()函数也支持使用自定义函数来进行聚合计算。
示例代码 5：自定义函数计算平均值
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
def custom_mean(data):
return sum(data) / len(data)
average_custom = df.agg(custom_mean)
print(average_custom)
Output:
4. 同时计算多种统计量
agg()函数可以在单个调用中计算多个统计量，这使得数据分析更加高效。
示例代码 6：计算平均值和标准差
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
statistics = df.agg(['mean', 'std'])
print(statistics)
Output:
5. 分组后计算平均值
在数据分析中，我们经常需要对数据进行分组，然后对每个组进行统计计算。
示例代码 7：根据某列分组后计算平均值
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
df['Group'] = ['X', 'Y', 'X', 'Y', 'X']
grouped_avg = df.groupby('Group').agg('mean')
print(grouped_avg)
Output:
6. 多级列的平均值计算
当我们的DataFrame具有多级列（即列具有多个级别）时，agg()函数的使用方法略有不同。
示例代码 8：创建多级列DataFrame
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
multi_col_data = pd.DataFrame({
('A', 'Cat1'): [1, 2, 3, 4, 5],
('B', 'Cat2'): [5, 6, 7, 8, 9],
('C', 'Cat1'): [9, 8, 7, 6, 5]
})
multi_col_df = pd.DataFrame(multi_col_data)
示例代码 9：计算多级列的平均值
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
multi_col_avg = multi_col_df.agg('mean', level=0)
print(multi_col_avg)
7. 时间序列数据的平均值计算
对于时间序列数据，agg()函数同样适用。
示例代码 10：创建时间序列数据
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
timeseries_data = pd.date_range('20230101', periods=5)
timeseries_df = pd.DataFrame({'Date': timeseries_data, 'Value': [1, 2, 3, 4, 5]})
timeseries_df = timeseries_df.set_index('Date')
print(timeseries_df)
Output:
示例代码 11：计算时间序列数据的平均值
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
timeseries_data = pd.date_range('20230101', periods=5)
timeseries_df = pd.DataFrame({'Date': timeseries_data, 'Value': [1, 2, 3, 4, 5]})
timeseries_df = timeseries_df.set_index('Date')
timeseries_avg = timeseries_df.agg('mean')
print(timeseries_avg)
Output:
8. 复杂条件下的平均值计算
有时候我们需要在满足特定条件的情况下计算平均值。
示例代码 12：计算大于某个值的平均
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
timeseries_data = pd.date_range('20230101', periods=5)
timeseries_df = pd.DataFrame({'Date': timeseries_data, 'Value': [1, 2, 3, 4, 5]})
timeseries_df = timeseries_df.set_index('Date')
condition_avg = df[df['A'] > 2].agg('mean')
print(condition_avg)
Output:
9. 结合其他Pandas功能使用agg()
agg()函数可以与Pandas的其他功能如query(), apply()等结合使用，以实现更复杀的数据处理。
示例代码 13：结合query()使用agg()
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
timeseries_data = pd.date_range('20230101', periods=5)
timeseries_df = pd.DataFrame({'Date': timeseries_data, 'Value': [1, 2, 3, 4, 5]})
timeseries_df = timeseries_df.set_index('Date')
query_avg = df.query("A > 2").agg('mean')
print(query_avg)
Output:
示例代码 14：结合apply()使用agg()
import pandas as pd
data = {
'A': [1, 2, 3, 4, 5],
'B': [5, 6, 7, 8, 9],
'C': [9, 8, 7, 6, 5]
}
df = pd.DataFrame(data)
timeseries_data = pd.date_range('20230101', periods=5)
timeseries_df = pd.DataFrame({'Date': timeseries_data, 'Value': [1, 2, 3, 4, 5]})
timeseries_df = timeseries_df.set_index('Date')
apply_avg = df.apply(lambda x: x[x > 2].mean()).agg('mean')
print(apply_avg)
Output:
10. 总结
本文详细介绍了如何使用Pandas的agg()函数来计算数据的平均值。通过多个示例代码，我们展示了agg()函数的基本用法、如何处理特定列、如何使用自定义函数、如何处理分组数据、多级列数据以及时间序列数据等。