聚合函数使用

• 对分组对象使用agg聚合函数
• Groupby.agg(func)
• 针对不同的变量使用不同的统计方法

import pandas as pd
import numpy as np
import os

  

 

  
1
  
2
  
3
 

os.getcwd()

  

 

  
1
 

'D:\\Jupyter\\notebook\\Python数据清洗实战\\数据清洗之数据统计'

  

 

  
1
 

os.chdir('D:\\Jupyter\\notebook\\Python数据清洗实战\\数据')

  

 

  
1
 

df = pd.read_csv('online_order.csv', encoding='gbk', dtype={'customer':str, 'order':str})

  

 

  
1
 

grouped = df.groupby('weekday')

  

 

  
1
 

grouped

  

 

  
1
 

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x00000248E5285860>

  

 

  
1
 

# agg可同时统计多个，更加灵活
grouped.agg([np.mean, np.max, np.min])

  

 

  
1
  
2
 

7 rows × 33 columns

# 同时计算total_items和总和 和 Food%的均值
grouped.agg({'total_items':np.sum, 'Food%':np.mean})

  

 

  
1
  
2
 

grouped.agg({'total_items':np.sum, 'Food%':[np.mean, np.max]})

  

 

  
1
 

df.columns

  

 

  
1
 

Index(['customer', 'order', 'total_items', 'discount%', 'weekday', 'hour', 'Food%', 'Fresh%', 'Drinks%', 'Home%', 'Beauty%', 'Health%', 'Baby%', 'Pets%'], dtype='object')

  

 

  
1
  
2
  
3
  
4
 

# 直接使用 .sum()  只能计算一个统计量
df[['total_items', 'Food%', 'Drinks%']].sum()

  

 

  
1
  
2
 

total_items 952198.00
Food% 706812.19
Drinks% 700477.06
dtype: float64

  

 

  
1
  
2
  
3
  
4
 

# 使用 agg 可同时计算多个统计量
# 多个以列表形式传递
df[['total_items', 'Food%', 'Drinks%']].agg([np.sum, np.mean, np.max])

  

 

  
1
  
2
  
3
 

文章来源: ruochen.blog.csdn.net，作者：若尘，版权归原作者所有，如需转载，请联系作者。

原文链接：ruochen.blog.csdn.net/article/details/105589063