Python教程-Python中的agg()函数

由于Python的数据中心包具有出色的生态系统，Python被认为是进行数据分析的伟大编程语言之一。Pandas是Python中提供给我们的其中一个包，它使导入和分析数据变得非常容易。

在本教程中，我们将讨论Pandas系列中提供给我们的agg()函数，并将其与提供给我们的系列数据一起使用。

简介：Pandas agg()函数

我们使用Pandas的agg()函数来传递一个要应用于给定数据系列或有时甚至分别应用于数据系列的每个元素的单个函数或函数列表。如果我们在agg()函数中传递函数列表，它将返回多个结果。

语法

在本节中，我们将查看agg()方法内部要使用的语法和参数以及函数的返回类型。

seriesGiven.agg(function_name, axis = 0)

seriesGiven是程序中提供给我们的数据系列。

参数：

我们必须在agg()方法内提供以下参数。

Function_name: 我们必须在agg()方法的参数中提供一个函数、函数列表或包含要在数据系列上调用的函数名称的字符串。
axis: 轴类似于为数据系列的行定义索引。我们可以将axis等于0或提供'index'以在数据系列上执行逐行操作。此外，我们可以在axis参数中提供1或'column'以在数据系列上执行列操作。

返回类型

agg()方法的返回类型是不固定的，它始终取决于我们在agg()方法内作为参数传递的函数的返回类型。

使用agg()函数

到目前为止，我们已经了解了在Pandas中提供给我们的agg()函数的介绍和语法。为了了解和理解agg()方法的工作方式，我们将在下面的示例中使用这个函数。

在agg()方法内传递单个函数

在这个示例中，我们将使用numpy模块创建一个随机数组，然后使用Pandas函数将其转换为数据系列。然后，我们将使用agg()函数，并将一个lambda函数作为参数传递给它，因此它将为系列中的每个值添加3。由于我们将函数应用于系列，所以通过agg()函数得到的返回类型也是系列。现在，让我们通过以下示例来理解这个实现。

示例1：看看以下Python程序：

# Importing panda module as pnd  
import pandas as pnd   
# Importing numpy module as nmp in program  
import numpy as nmp   
# Creating random array of 20 elements with numpy random  
randomArray = nmp.random.randn(20)   
# Creating series from array of random elements  
dataSeries = pnd.Series(randomArray)   
# Calling agg() method for data series  
resultSeries = dataSeries.agg(lambda num : num + 3) # Lambda function as an argument   
# Displaying before and after operation results  
print('Data series of elements before operation: \n', dataSeries,   
    '\n\n Data series of elements after operation: \n', resultSeries)

输出：

Data series of elements before operation: 
 0    -0.510111
1    -0.732670
2    -0.451550
3    -0.435085
4     0.082848
5    -1.051242
6     0.203565
7    -1.014079
8    -0.232350
9    -0.325640
10    0.528320
11   -1.472293
12   -0.639487
13   -2.490666
14   -0.242837
15    0.854955
16    1.076247
17    1.491347
18   -1.767788
19   -0.205003
dtype: float64 

 Data series of elements after operation: 
 0     2.489889
1     2.267330
2     2.548450
3     2.564915
4     3.082848
5     1.948758
6     3.203565
7     1.985921
8     2.767650
9     2.674360
10    3.528320
11    1.527707
12    2.360513
13    0.509334
14    2.757163
15    3.854955
16    4.076247
17    4.491347
18    1.232212
19    2.794997
dtype: float64

解释：

首先，我们在程序中导入了pandas和numpy模块以使用它的函数。

然后，我们使用numpy模块的randn()函数随机生成了20个元素的数组。然后，我们使用pandas模块的series()函数将数组转换为系列形式。

然后，我们在系列上使用agg()函数，并将lambda函数作为参数传递给它。我们在agg()方法中传递一个参数，以在系列的每个值上添加3。最后，我们在输出中打印了数据系列（在进行操作之前和在进行操作之后）。

正如我们在输出中看到的，我们在进行操作之后为系列的每个值添加了3。

在agg()方法内传递函数列表：

在这个示例中，在创建数据系列后，我们将函数列表作为参数传递给agg()函数，而不是在其中传递单个函数参数。当我们将Python的默认函数列表作为agg()方法的参数传递时，它将返回多个结果到多个变量中。让我们通过以下示例来了解这种方法的实现。

示例2：看看以下Python程序：

# Importing panda module as pnd  
import pandas as pnd   
# Importing numpy module as nmp in program  
import numpy as nmp   
# Creating random array of 20 elements with numpy random  
randomArray = nmp.random.randn(20)   
# Creating series from array of random elements  
dataSeries = pnd.Series(randomArray)   
# Creating a list having function names in it  
functionList = [min, max, sorted]   
# Calling agg() method with list of functions   
seriesResult1, seriesResult2, seriesResult3 = dataSeries.agg(functionList)    
# Displaying elements of data series  
print('Data Series before operation: \n', dataSeries)   
print('\nMinimum value in the data series = {}\n\nMaximum value in the data series = {},\  
      \n\nSorted data series after operation:\n{}'.format(seriesResult1, seriesResult2, seriesResult3))