Python Pandas聚合函数的应用示例

　　Python Pandas作为常见的应用Python的一门工具，常常是作为聚合函数去进行使用的，那么，我们应该怎么去使用这类聚合函数呢？下面就具体的一类应用实例，下面给大家详细解答一下，大家要仔细的阅读哦。

　　Python Pandas聚合函数

　　在前一节，我们重点介绍了窗口函数。我们知道，窗口函数可以与聚合函数一起使用，聚合函数指的是对一组数据求总和、最大值、最小值以及平均值的操作，本节重点讲解聚合函数的应用。

　　应用聚合函数

　　首先让我们创建一个DataFrame对象，然后对聚合函数进行应用。

　　import pandas as pd
　　import numpy as np
　　df=pd.DataFrame(np.random.randn(5,4),index=pd.date_range('12/14/2020',periods=5),columns=['A','B','C','D'])
　　print(df)
　　#窗口大小为3，min_periods最小观测值为1
　　r=df.rolling(window=3,min_periods=1)
　　print(r)

　　输出结果：

　　A B C D

　　2020-12-14 0.941621 1.205489 0.473771-0.348169

　　2020-12-15-0.276954 0.076387 0.104194 1.537357

　　2020-12-16 0.582515 0.481999-0.652332-1.893678

　　2020-12-17-0.286432 0.923514 0.285255-0.739378

　　2020-12-18 2.063422-0.465873-0.946809 1.590234

　　Rolling[window=3,min_periods=1,center=False,axis=0]

　　1)对整体聚合

　　您可以把一个聚合函数传递给DataFrame，示例如下：

　　import pandas as pd
　　import numpy as np
　　df=pd.DataFrame(np.random.randn(5,4),index=pd.date_range('12/14/2020',periods=5),columns=['A','B','C','D'])
　　print(df)
　　#窗口大小为3，min_periods最小观测值为1
　　r=df.rolling(window=3,min_periods=1)
　　#使用aggregate()聚合操作
　　print(r.aggregate(np.sum))

　　输出结果：

　　A B C D

　　2020-12-14 0.133713 0.746781 0.499385 0.589799

　　2020-12-15-0.777572 0.531269 0.600577-0.393623

　　2020-12-16 0.408115-0.874079 0.584320 0.507580

　　2020-12-17-1.033055-1.185399-0.546567 2.094643

　　2020-12-18 0.469394-1.110549-0.856245 0.260827

　　A B C D

　　2020-12-14 0.133713 0.746781 0.499385 0.589799

　　2020-12-15-0.643859 1.278050 1.099962 0.196176

　　2020-12-16-0.235744 0.403971 1.684281 0.703756

　　2020-12-17-1.402513-1.528209 0.638330 2.208601

　　2020-12-18-0.155546-3.170027-0.818492 2.863051

　　2)对任意某一列聚合

　　import pandas as pd
　　import numpy as np
　　df=pd.DataFrame(np.random.randn(5,4),index=pd.date_range('12/14/2020',periods=5),columns=['A','B','C','D'])
　　#窗口大小为3，min_periods最小观测值为1
　　r=df.rolling(window=3,min_periods=1)
　　#对A列聚合
　　print(r['A'].aggregate(np.sum))

　　输出结果：

　　2020-12-14 1.051501

　　2020-12-15 1.354574

　　2020-12-16 0.896335

　　2020-12-17 0.508470

　　2020-12-18 2.333732

　　Freq:D,Name:A,dtype:float64

　　3)对多列数据聚合

　　import pandas as pd
　　import numpy as np
　　df=pd.DataFrame(np.random.randn(5,4),index=pd.date_range('12/14/2020',periods=5),columns=['A','B','C','D'])
　　#窗口大小为3，min_periods最小观测值为1
　　r=df.rolling(window=3,min_periods=1)
　　#对A/B两列聚合
　　print(r['A','B'].aggregate(np.sum))

　　输出结果：

　　A B

　　2020-12-14 0.639867-0.229990

　　2020-12-15 0.352028 0.257918

　　2020-12-16 0.637845 2.643628

　　2020-12-17 0.432715 2.428604

　　2020-12-18-1.575766 0.969600

　　4)对单列应用多个函数

　　import pandas as pd
　　import numpy as np
　　df=pd.DataFrame(np.random.randn(5,4),index=pd.date_range('12/14/2020',periods=5),columns=['A','B','C','D'])
　　#窗口大小为3，min_periods最小观测值为1
　　r=df.rolling(window=3,min_periods=1)
　　#对A/B两列聚合
　　print(r['A','B'].aggregate([np.sum,np.mean]))

　　输出结果：

　　sum mean

　　2020-12-14-0.469643-0.469643

　　2020-12-15-0.626856-0.313428

　　2020-12-16-1.820226-0.606742

　　2020-12-17-2.007323-0.669108

　　2020-12-18-0.595736-0.198579

　　5)对不同列应用多个函数

　　import pandas as pd
　　import numpy as np
　　df=pd.DataFrame(np.random.randn(5,4),
　　index=pd.date_range('12/11/2020',periods=5),
　　columns=['A','B','C','D'])
　　r=df.rolling(window=3,min_periods=1)
　　print(r['A','B'].aggregate([np.sum,np.mean]))

　　输出结果：

　　A B

　　sum mean sum mean

　　2020-12-14-1.428882-1.428882-0.417241-0.417241

　　2020-12-15-1.315151-0.657576-1.580616-0.790308

　　2020-12-16-2.093907-0.697969-2.260181-0.753394

　　2020-12-17-1.324490-0.441497-1.578467-0.526156

　　2020-12-18-2.400948-0.800316-0.452740-0.150913

　　6)对不同列应用不同函数

　　import pandas as pd
　　import numpy as np
　　df=pd.DataFrame(np.random.randn(3,4),
　　index=pd.date_range('12/14/2020',periods=3),
　　columns=['A','B','C','D'])
　　r=df.rolling(window=3,min_periods=1)
　　print(r.aggregate({'A':np.sum,'B':np.mean}))

　　输出结果：

　　A B

　　2020-12-14 0.503535-1.301423

　　2020-12-15 0.170056-0.550289

　　2020-12-16-0.086081-0.140532

　　综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来帮助。