在 Pandas 中编写自定义聚合函数

Python中的Pandas广泛用于数据分析目的，它由一些精细的数据结构组成，如Dataframe和Series。 pandas 中有几个函数被证明对程序员有很大帮助，其中一个是聚合函数。此函数从作为输入的多个值返回单个值，这些值按特定条件组合在一起。一些聚合函数是平均值、计数、最大值等。

Syntax: DataFrame.agg(func=None, axis=0, *args, **kwargs)

Parameters:

• axis: {0 or ‘index’, 1 or ‘columns’} = 0 or ‘index’ means the function is applied to each column and 1 or ‘columns’ means the function is applied to each row.
• func: function, str, list or dict = It describes the function that is to be used for aggregation. Accepted combinations are: function, string function name (str), list of functions (list/dict).
• *args: It specifies the positional arguments to pass to the function.
• **kwargs: It specifies the keyword arguments to pass to the function.

Return: This function can return scalar, Series or Dataframe. The return is scalar when Series.agg is called with a single function, it is Series when Dataframe.agg is called with a single function, it will be Dataframe when Dataframe.agg is called with several functions.

让我们创建一个数据框：

Python3

# import pandas library
import pandas as pd
  
# create a Dataframe
df = pd.DataFrame([[10, 20, 30],
                  [40, 50, 60],
                  [70, 80, 90],
                  [100,110,120]],
                 columns=['Col_A', 'Col_B',
                          'Col_C'])
# show the dataframe
df

输出：

现在，让我们执行一些操作：

1. 对行执行聚合：这对 Dataframe 的行执行聚合函数。正如您在下面的示例中所看到的，示例 1 在聚合函数中有两个关键字 sum 和 min。 sum将每行的第一个（10,40,70,100），第二个（20,50,80,110）和第三个（30,60,90,120）元素分别相加并打印出来， min找到元素中的最小个数行并打印出来。第二个例子也有类似的过程。

示例 1：

Python3

df.agg(['sum', 'min'])

输出：

示例 2：

Python3

df.agg(['sum', 'min', 'max'])

输出：

2. 对列进行聚合：对列执行聚合函数，列的选择具体如示例所示。在第一个示例中，选择了两列，“Col_A”和“Col_B”，并对它们执行操作。对于 Col_A，计算最小值和总和值，对于 Col_B，计算最小值和最大值。与示例 2 类似的过程。

示例 1：

Python3

df.agg({'Col_A' : ['sum', 'min'], 
        'Col_B' : ['min', 'max']})

输出：

示例 2：

Python3

df.agg({'Col_A' : ['sum', 'min'],
        'Col_B' : ['min', 'max'],
        'Col_C' : ['sum', 'mean']})

输出：

注意：如果未在特定列上执行特定聚合，它将打印 NaN。

3. 对列执行聚合：这对列执行聚合函数。如示例 1 所示，分别计算并打印每列的第一个 (10,20,30)、第二个 (40,50,60)、第三个 (70,80,90) 和第四个 (100,110,120) 元素的平均值并打印。

例子：

Python3

df.agg("mean", axis = "columns")

输出：

4 .自定义聚合函数：有时需要创建我们自己的聚合函数。

示例：考虑一个由学生 ID (stu_id)、学科代码 (sub_code) 和分数 (marks) 组成的数据框。

Python3

# import pandas library
import pandas as pd
   
# Creating DataFrame
df = pd.DataFrame(
    {'stud_id' : [101, 102, 103, 104, 
                  101, 102, 103, 104],
     'sub_code' : ['CSE6001', 'CSE6001', 'CSE6001', 
                   'CSE6001', 'CSE6002', 'CSE6002',
                   'CSE6002', 'CSE6002'],
     'marks' : [77, 86, 55, 90, 
                65, 90, 80, 67]}
)
  
# Printing DataFrame
df

输出：

现在，如果您需要计算每个学生的总分（两个科目的分数）（唯一的 stu_id）。这个过程可以使用自定义聚合函数来完成。这里我的自定义聚合函数是“total”。

Python3

# Importing reduce for 
# rolling computations
from functools import reduce
  
# define a Custom aggregation 
# function for finding total
def total(series):
      return reduce(lambda x, y: x + y, series)
  
# Grouping the output according to 
# student id and printing the corresponding 
# total marks and to check whether the
# output is correct or not, sum function 
# is also used to print the sum.
df.groupby('stud_id').agg({'marks': ['sum', total]})

输出：

如您所见，两列的总分值相同，因此我们的聚合函数在这种情况下正确计算了总分。