pandas.core.groupby.DataFrameGroupBy.aggregate

DataFrameGroupBy.aggregate(func=None, *args, engine=None, engine_kwargs=None, **kwargs)[source]

Агрегирование с использованием одной или нескольких операций по указанной оси.

Параметры

func:функция, строка, список или словарь

Функция для агрегирования данных. Если функция, должна работать как с DataFrame, так и когда передается в DataFrame.apply.

Допускаемые комбинации:

• функция

• имя функции в виде строки

• список функций и/или имён функций, например [np.sum, 'mean']

• словарь меток оси -> функции, имена функций или список таких.

Также может принимать функцию Numba JIT с engine='numba' указанной. Поддерживается только передача одной функции с этим движком.

Если выбран движок 'numba', функция должна быть пользовательской функцией с values и index в качестве первого и второго аргумента соответственно в сигнатуре функции. Индекс каждой группы будет передан в пользовательскую функцию и, при необходимости, доступен для использования.

Изменено в версии 1.1.0.

*args

Позиционные аргументы для передачи в func.

engine:строка, по умолчанию None

• 'cython' : Выполняет функцию через C-расширения из Cython.

• 'numba' : Выполняет функцию через скомпилированный JIT-код из Numba.

• None : По умолчанию 'cython' или глобальное задание compute.use_numba

Новое в версии 1.1.0.

engine_kwargs:словарь, по умолчанию None

• Для движка 'cython', нет принимаемых engine_kwargs

• Для движка 'numba', движок может принимать nopython, nogil и parallel ключи словаря. Значения должны быть либо True, либо False. По умолчанию engine_kwargs для движка 'numba' составляет {'nopython': True, 'nogil': False, 'parallel': False} и будет применено к функции

Новое в версии 1.1.0.

**kwargs

Ключевые аргументы, которые должны быть переданы в func.

Возвращает

DataFrame

См. также

DataFrame.groupby.apply

Применение функции func по группам и объединение результатов вместе.

DataFrame.groupby.transform

Агрегирование с использованием одной или нескольких операций по указанной оси.

DataFrame.aggregate

Преобразование Series в каждой группе на основе заданной функции.

Примечания

При использовании engine='numba', внутреннего «обратного» поведения не будет. Данные группы и индекс группы будут переданы как массивы NumPy в JIT-компилированную пользовательскую функцию, и альтернативные попытки выполнения не будут предприниматься.

Функции, изменяющие переданный объект, могут привести к неожиданному поведению или ошибкам и не поддерживаются. Подробнее см. Изменение с помощью пользовательских функций (UDF) методов.

Изменено в версии 1.3.0: Результирующий тип данных будет отражать возвращаемое значение переданной функции func, см. примеры ниже.

Примеры

>>> df = pd.DataFrame(
...     {
...         "A": [1, 1, 2, 2],
...         "B": [1, 2, 3, 4],
...         "C": [0.362838, 0.227877, 1.267767, -0.562860],
...     }
... )

>>> df
   A  B         C
0  1  1  0.362838
1  1  2  0.227877
2  2  3  1.267767
3  2  4 -0.562860

Агрегирование выполняется для каждого столбца.

>>> df.groupby('A').agg('min')
   B         C
A
1  1  0.227877
2  3 -0.562860

Несколько агрегаций

>>> df.groupby('A').agg(['min', 'max'])
    B             C
  min max       min       max
A
1   1   2  0.227877  0.362838
2   3   4 -0.562860  1.267767

Выбор столбца для агрегирования

>>> df.groupby('A').B.agg(['min', 'max'])
   min  max
A
1    1    2
2    3    4

Пользовательская функция для агрегирования

>>> df.groupby('A').agg(lambda x: sum(x) + 2)
    B          C
A
1       5       2.590715
2       9       2.704907

Различные агрегации для каждого столбца

>>> df.groupby('A').agg({'B': ['min', 'max'], 'C': 'sum'})
    B             C
  min max       sum
A
1   1   2  0.590715
2   3   4  0.704907

Для управления именами выходных данных с различными агрегациями для каждого столбца, Pandas поддерживает «именованное агрегирование»

>>> df.groupby("A").agg(
...     b_min=pd.NamedAgg(column="B", aggfunc="min"),
...     c_sum=pd.NamedAgg(column="C", aggfunc="sum"))
   b_min     c_sum
A
1      1  0.590715
2      3  0.704907

• Ключевые слова — это имена выходных столбцов

• Значения — это кортежи, первый элемент которых — столбец для выбора, а второй — агрегация, применяемая к этому столбцу. Pandas предоставляет pandas.NamedAgg namedtuple со полями ['column', 'aggfunc'], чтобы было понятнее, какие аргументы передаются. Как обычно, агрегация может быть вызываемой функцией или строковым псевдонимом.

См. Именованное агрегирование для более подробной информации.

Изменено в версии 1.3.0: Результирующий тип данных будет отражать возвращаемое значение функции агрегирования.

>>> df.groupby("A")[["B"]].agg(lambda x: x.astype(float).min())
      B
A
1   1.0
2   3.0