pandas.core.groupby.SeriesGroupBy.aggregate

SeriesGroupBy.aggregate(func=None, *args, engine=None, engine_kwargs=None, **kwargs)

使用一个或多个操作进行聚合。

参数:

函数函数, 字符串, 列表, 字典 或 无

用于聚合数据的函数。如果是一个函数，必须能够在传递一个 Series 时工作，或者在传递给 Series.apply 时工作。

接受的组合是：

• 函数

• 字符串函数名称

• 函数列表和/或函数名，例如 [np.sum, 'mean']

• 如果没有指定，则使用 **kwargs 进行命名聚合。这里输出有一列对应 **kwargs 中的每个元素。列名是关键字，而值决定了用于计算列中值的聚合方式。

  也可以接受一个指定了 engine='numba' 的 Numba JIT 函数。此引擎仅支持传递单个函数。

  如果选择了 'numba' 引擎，该函数必须是用户定义的函数，并且在函数签名中 values 和 index 分别作为第一个和第二个参数。每个组的索引将被传递给用户定义的函数，并可选择用于使用。

自 2.1.0 版本弃用: 传递字典已被弃用，并且在 pandas 的未来版本中将会引发错误。请传递一个聚合列表。

*args

传递给 func 的位置参数。

引擎str, 默认为 None

• 'cython' : 通过cython的C扩展运行函数。

• 'numba' : 通过来自 numba 的 JIT 编译代码运行函数。

• None : 默认为 'cython' 或全局设置 compute.use_numba

engine_kwargs字典, 默认为 None

• 对于 'cython' 引擎，没有接受的 engine_kwargs

• 对于 'numba' 引擎，引擎可以接受 nopython、nogil 和 parallel 字典键。这些值必须是 True 或 False。'numba' 引擎的默认 engine_kwargs 是 {'nopython': True, 'nogil': False, 'parallel': False}，并将应用于函数。

**kwargs

• 如果 func 是 None，**kwargs 用于通过命名聚合定义输出名称和聚合。参见 func 条目。

• 否则，要传递给 func 的关键字参数。

返回:

系列

参见

Series.groupby.apply

按组应用函数 func 并将结果合并在一起。

Series.groupby.transform

基于给定的函数转换每个组中的Series。

Series.aggregate

使用一个或多个操作进行聚合。

备注

当使用 engine='numba' 时，内部不会有“回退”行为。组数据和组索引将作为 numpy 数组传递给 JITed 用户定义函数，并且不会尝试其他执行方式。

修改传递对象的函数可能会产生意外行为或错误，并且不受支持。更多详情请参见 使用用户定义函数 (UDF) 方法进行变异。

在 1.3.0 版本发生变更: 生成的 dtype 将反映传递的 func 的返回值，请参见下面的示例。

例子

>>> s = pd.Series([1, 2, 3, 4])

>>> s
0    1
1    2
2    3
3    4
dtype: int64

>>> s.groupby([1, 1, 2, 2]).min()
1    1
2    3
dtype: int64

>>> s.groupby([1, 1, 2, 2]).agg('min')
1    1
2    3
dtype: int64

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

输出列名可以通过传递所需的列名和聚合作关键字参数来控制。

>>> s.groupby([1, 1, 2, 2]).agg(
...     minimum='min',
...     maximum='max',
... )
   minimum  maximum
1        1        2
2        3        4

在 1.3.0 版本发生变更: 生成的 dtype 将反映聚合函数的返回值。

>>> s.groupby([1, 1, 2, 2]).agg(lambda x: x.astype(float).min())
1    1.0
2    3.0
dtype: float64