Python|熊猫 Series.aggregate()
Pandas 系列是带有轴标签的一维 ndarray。标签不必是唯一的,但必须是可散列的类型。该对象支持基于整数和基于标签的索引,并提供了许多用于执行涉及索引的操作的方法。
Pandas Series.aggregate()
函数在给定系列对象的指定轴上使用一个或多个操作进行聚合。
Syntax: Series.aggregate(func, axis=0, *args, **kwargs)
Parameter :
func : Function to use for aggregating the data.
axis : Parameter needed for compatibility with DataFrame.
*args : Positional arguments to pass to func.
**kwargs : Keyword arguments to pass to func.
Returns : DataFrame, Series or scalar
示例 #1:使用Series.aggregate()
函数对给定系列对象的基础数据执行聚合。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([34, 5, 13, 32, 4, 15])
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
# set the index
sr.index = index_
# Print the series
print(sr)
输出 :
Coca Cola 34
Sprite 5
Coke 13
Fanta 32
Dew 4
ThumbsUp 15
dtype: int64
现在我们将使用Series.aggregate()
函数来查找给定系列对象中所有值的总和。
# Find the sum of all values
result = sr.aggregate(func = sum)
# Print the result
print(result)
输出 :
103
正如我们在输出中看到的, Series.aggregate()
函数已成功返回给定系列对象的基础数据的总和。示例 #2:使用Series.aggregate()
函数对给定系列对象的基础数据执行聚合。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([51, 10, 24, 18, 1, 84, 12, 10, 5, 24, 0])
# Create the Index
# apply yearly frequency
index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='Y')
# set the index
sr.index = index_
# Print the series
print(sr)
输出 :
2010-12-31 08:45:00 51
2011-12-31 08:45:00 10
2012-12-31 08:45:00 24
2013-12-31 08:45:00 18
2014-12-31 08:45:00 1
2015-12-31 08:45:00 84
2016-12-31 08:45:00 12
2017-12-31 08:45:00 10
2018-12-31 08:45:00 5
2019-12-31 08:45:00 24
2020-12-31 08:45:00 0
Freq: A-DEC, dtype: int64
现在我们将使用Series.aggregate()
函数来查找给定系列对象中所有值的最大值。
# Find the max of all values
result = sr.aggregate(func = max)
# Print the result
print(result)
输出 :
84
正如我们在输出中看到的, Series.aggregate()
函数已成功返回给定系列对象中所有值的最大值。