Как работает Agg Pandas? 🐼

Когда вы применяете метод `agg` к объекту pd.DataFrame в pandas, он выполняет агрегацию данных по указанным столбцам. Метод `agg` позволяет вам определять функции агрегации, которые вы хотите применить к каждому столбцу данных. Вот пример:

import pandas as pd

# Создаем DataFrame с данными
data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'Salary': [5000, 7000, 6000]}
df = pd.DataFrame(data)

# Применяем агрегацию с помощью метода agg
result = df.agg({'Age': ['min', 'max'], 'Salary': 'mean'})

# Выводим результат
print(result)
    

В данном примере мы применяем агрегацию к столбцам "Age" и "Salary". Мы использовали функцию `min` для столбца "Age", чтобы найти минимальное значение, и функцию `max` для столбца "Age", чтобы найти максимальное значение. Для столбца "Salary" мы использовали функцию `mean`, чтобы найти среднее значение. Это лишь один из множества способов использования метода `agg` в pandas. Вы можете определить свои собственные функции агрегации или использовать предопределенные функции, такие как `sum`, `mean`, `count` и многие другие.

Как работает agg в Pandas?

Метод agg в библиотеке Pandas предназначен для агрегирования данных. Он позволяет группировать данные по одному или нескольким столбцам и применять определенные агрегирующие функции для каждой группы.

Прежде чем погрузиться в детали работы метода agg, давайте рассмотрим пример:

import pandas as pd

# Создание DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob', 'Charlie'],
        'score': [85, 92, 78, 90, 88, 95],
        'subject': ['Math', 'Science', 'Math', 'Science', 'Math', 'Science']}
df = pd.DataFrame(data)


# Группировка и агрегация
result = df.groupby('name').agg({'score': ['mean', 'min', 'max'], 'subject': 'count'})

print(result)
    

В этом примере мы создаем DataFrame с данными о студентах и их оценках в разных предметах. Затем мы группируем данные по имени студента и применяем различные агрегирующие функции к столбцу "score" (среднее значение, минимум и максимум) и столбцу "subject" (количество предметов). Результат выводится на экран.

Теперь давайте разберемся, как работает метод agg.

1. Вначале мы используем метод groupby, чтобы разделить данные на группы на основе выбранных столбцов. В нашем примере мы группируем данные по столбцу "name".

2. Затем мы используем метод agg и передаем ему словарь, где ключи представляют названия столбцов, к которым мы хотим применить агрегирующие функции, а значения представляют сами функции.

3. Варианты передачи функций:

• Для одного столбца можно передать одну функцию в виде строки. Например: {'score': 'mean'}.
• Для одного столбца можно передать несколько функций, используя список строк. Например: {'score': ['mean', 'min']}.
• Для нескольких столбцов можно передать функции в виде списка словарей. Например: {'score': ['mean', 'min'], 'subject': 'count'}.

4. Результатом работы метода agg является новый DataFrame, содержащий группированные данные и результаты агрегации.

В нашем примере результат выглядит следующим образом:

        score            
         mean min max subject
name                      
Alice  87.50  85  90       2
Bob    90.00  88  92       2
Charlie  86  78  95       2
    

Мы получаем среднюю оценку студента, минимальную и максимальную оценки, а также количество предметов для каждого студента.

Теперь вы понимаете, как работает метод agg в Pandas. Он очень полезен для агрегации данных и получения сводной информации о группах. Удачи в вашем изучении!