Pandas聚合函数（Aggregation Function）是一种数据处理函数，用于对数据进行汇总、统计和分析。在数据分析中，常常需要对数据进行聚合计算，如计算平均值、总和、标准差、方差等。Pandas提供了多种聚合函数，可以方便地对数据进行统计和分析。
Pandas聚合函数可以应用于Series和DataFrame对象，可以对整个序列或数据框进行聚合，也可以对分组后的序列或数据框进行聚合。
Pandas聚合函数的一般形式为：
DataFrame.aggregate(func=None, axis=0, *args, **kwargs)其中，func参数指定要应用的聚合函数或函数列表，axis参数指定应用聚合函数的轴方向（0表示按列，1表示按行）。
常见的Pandas聚合函数包括：
- mean()：计算平均值
- sum()：计算总和
- max()：计算最大值
- min()：计算最小值
- std()：计算标准差
- var()：计算方差
- count()：计算非缺失值的数量
- describe()：生成数据描述性统计信息
这些聚合函数可以结合groupby()函数一起使用，对分组后的数据进行聚合计算，以实现更灵活的数据分析和处理。
接下来将为你介绍Pandas常用的聚合函数。
mean()
mean()函数用于计算平均值，例如：
import pandas as pd
# 创建一个DataFrame对象
df = pd.DataFrame({
'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10]
})
# 计算各列的平均值
mean_values = df.mean()
# 输出结果
print(mean_values)输出结果为：
A 3.0
B 8.0
dtype: float64sum()
sum()函数用于计算总和，例如：
import pandas as pd
# 创建一个DataFrame对象
df = pd.DataFrame({
'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10]
})
# 计算各列的总和
sum_values = df.sum()
# 输出结果
print(sum_values)输出结果为：
A 15
B 40
dtype: int64max()
max()函数用于计算最大值，例如：
import pandas as pd
# 创建一个DataFrame对象
df = pd.DataFrame({
'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10]
})
# 计算各列的最大值
max_values = df.max()
# 输出结果
print(max_values)输出结果为：
A 5
B 10
dtype: int64min()
min()函数用于计算最小值，例如：
import pandas as pd
# 创建一个DataFrame对象
df = pd.DataFrame({
'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10]
})
# 计算各列的最小值
min_values = df.min()
# 输出结果
print(min_values)输出结果为：
A 1
B 6
dtype: int64std()
std()函数用于计算标准差，例如：
import pandas as pd
# 创建一个DataFrame对象
df = pd.DataFrame({
'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10]
})
# 计算各列的标准差
std_values = df.std()
# 输出结果
print(std_values)输出结果为：
A 1.581139
B 1.581139
dtype: float64本文链接：https://my.lmcjl.com/post/20009.html
展开阅读全文
4 评论