pandas.core.resample.Resampler.aggregate

Resampler.aggregate(arg, *args, **kwargs) [source]

Агрегирование с использованием вызываемого объекта, строки, словаря или списка строк/вызываемых объектов

Параметры:

func : вызываемый объект, строка, словарь или список строк/вызываемых объектов Функция для агрегирования данных. Если функция, должна работать, когда ей передаётся DataFrame или когда она передаётся в DataFrame.apply. Для DataFrame можно передать словарь, если ключи являются именами столбцов DataFrame. Допускаемые комбинации: имя функции в виде строки функция список функций словарь имён столбцов -> функции (или список функций)

Возвращает:

aggregated : DataFrame

См. также

pandas.DataFrame.groupby.aggregate, pandas.DataFrame.resample.transform, pandas.DataFrame.aggregate

Примечания

Функции Numpy mean/median/prod/sum/std/var являются специальными случаями, поэтому по умолчанию функция применяется вдоль оси=0 (например, np.mean(arr_2d, axis=0)), а не имитирует поведение Numpy по умолчанию (например, np.mean(arr_2d)).

agg является псевдонимом для aggregate. Используйте псевдоним.

Примеры

>>> s = Series([1,2,3,4,5],
                index=pd.date_range('20130101',
                                    periods=5,freq='s'))
2013-01-01 00:00:00    1
2013-01-01 00:00:01    2
2013-01-01 00:00:02    3
2013-01-01 00:00:03    4
2013-01-01 00:00:04    5
Freq: S, dtype: int64

>>> r = s.resample('2s')
DatetimeIndexResampler [freq=<2 * Seconds>, axis=0, closed=left,
                        label=left, convention=start, base=0]

>>> r.agg(np.sum)
2013-01-01 00:00:00    3
2013-01-01 00:00:02    7
2013-01-01 00:00:04    5
Freq: 2S, dtype: int64

>>> r.agg(['sum','mean','max'])
                     sum  mean  max
2013-01-01 00:00:00    3   1.5    2
2013-01-01 00:00:02    7   3.5    4
2013-01-01 00:00:04    5   5.0    5

>>> r.agg({'result' : lambda x: x.mean() / x.std(),
           'total' : np.sum})
                     total    result
2013-01-01 00:00:00      3  2.121320
2013-01-01 00:00:02      7  4.949747
2013-01-01 00:00:04      5       NaN