Pandas Agg Sum 的详细介绍|极客笔记

Pandas Agg Sum 的详细介绍

Pandas 是一个强大的 Python 数据分析库，它提供了许多用于数据处理和分析的工具。其中，agg() 函数是一个非常有用的工具，它允许用户对数据进行聚合操作。本文将详细介绍如何使用 Pandas 的 agg() 函数来执行求和（sum）操作，并提供多个示例代码以帮助理解。

1. Pandas `agg()` 函数简介

在 Pandas 中，agg() 函数是用于聚合数据的一种方法，它可以应用于 DataFrame 或 Series 对象。使用 agg() 函数可以执行多种统计计算，比如求和、平均值、最大值等。agg() 函数的灵活性在于它可以接受多种输入格式，比如字符串、函数或者函数列表，并且可以对不同的列应用不同的函数。

2. 使用 `agg()` 函数进行求和操作

求和是数据分析中常见的需求，使用 agg() 函数可以轻松完成这一任务。下面将通过多个示例展示如何使用 agg() 函数进行求和操作。

示例代码 1: 单列求和

import pandas as pd

# 创建一个示例 DataFrame
data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9],
    'URL': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']
}
df = pd.DataFrame(data)

# 使用 agg() 函数对列 'A' 进行求和
result = df['A'].agg('sum')
print(result)

Output:

Pandas Agg Sum 的详细介绍

示例代码 2: 多列求和

import pandas as pd

# 创建一个示例 DataFrame
data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9],
    'URL': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']
}
df = pd.DataFrame(data)

# 使用 agg() 函数对多列进行求和
result = df[['A', 'B']].agg('sum')
print(result)

Output:

Pandas Agg Sum 的详细介绍

示例代码 3: 对整个 DataFrame 进行求和

import pandas as pd

# 创建一个示例 DataFrame
data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9],
    'URL': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']
}
df = pd.DataFrame(data)

# 使用 agg() 函数对整个 DataFrame 进行求和
result = df.agg('sum')
print(result)

Output:

Pandas Agg Sum 的详细介绍

示例代码 4: 使用自定义函数进行求和

import pandas as pd

# 创建一个示例 DataFrame
data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9],
    'URL': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']
}
df = pd.DataFrame(data)

# 定义一个自定义求和函数
def custom_sum(series):
    return series.sum()

# 使用 agg() 函数和自定义函数进行求和
result = df['A'].agg(custom_sum)
print(result)

Output:

Pandas Agg Sum 的详细介绍

示例代码 5: 对不同列使用不同的聚合函数

import pandas as pd

# 创建一个示例 DataFrame
data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9],
    'URL': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']
}
df = pd.DataFrame(data)

# 使用 agg() 函数对不同列使用不同的聚合函数
result = df.agg({'A': 'sum', 'B': 'mean'})
print(result)

Output:

Pandas Agg Sum 的详细介绍