🔍 Как применить несколько функций агрегации к одному столбцу pandas?

Чтобы применить несколько функций агрегации к одному столбцу в Pandas, вы можете использовать метод agg для вызова нескольких функций агрегации одновременно.

import pandas as pd

# Создание DataFrame
data = {'Name': ['John', 'Emma', 'Mark', 'Sophia'],
        'Age': [25, 28, 30, 27],
        'Height': [170, 165, 180, 175]}
df = pd.DataFrame(data)

# Применение нескольких функций агрегации к столбцу 'Age'
result = df['Age'].agg(['mean', 'min', 'max'])
print(result)

В этом примере мы создаем DataFrame с именем, возрастом и ростом. Затем мы применяем метод agg к столбцу 'Age' и передаем список функций агрегации, таких как 'mean', 'min' и 'max'. Результатом будет Series, содержащий среднее значение, минимальное значение и максимальное значение столбца 'Age'.

Как применить несколько функций агрегации к одному столбцу в pandas

Когда работаем с данными в библиотеке pandas в Python, иногда возникает необходимость применить несколько функций агрегации к одному столбцу. Например, мы можем хотеть найти среднее значение, максимальное значение и минимальное значение в одном запросе. В этой статье я расскажу, как это сделать с помощью метода agg() в pandas.

Метод agg()

Метод agg() в pandas позволяет применять одну или несколько функций агрегации к одному или нескольким столбцам в DataFrame. Он принимает аргументом словарь, где ключами являются имена столбцов, а значениями - функции агрегации, которые нужно применить.

Допустим, у нас есть DataFrame с данными о продажах:

import pandas as pd

data = {
    'product': ['A', 'B', 'C', 'A', 'B', 'C'],
    'quantity': [10, 5, 8, 3, 6, 2],
    'price': [10, 20, 30, 15, 25, 35]
}

df = pd.DataFrame(data)
print(df)

Вывод:

  product  quantity  price
0       A        10     10
1       B         5     20
2       C         8     30
3       A         3     15
4       B         6     25
5       C         2     35

Мы хотим найти сумму, среднее значение и максимальное значение столбца "quantity" по каждому продукту. Для этого мы можем использовать метод agg().

aggregated_data = df.groupby('product')['quantity'].agg({'sum', 'mean', 'max'})
print(aggregated_data)

Вывод:

         sum  mean  max
product                
A         13  6.50   10
B         11  5.50    6
C         10  5.00    8

Мы передали методу agg() словарь, где ключом является имя столбца, к которому мы применяем функции агрегации, а значениями являются сами функции. В этом примере мы применили функции sum(), mean() и max() к столбцу "quantity". Метод agg() возвращает новый DataFrame с результатами агрегации.

Применение нескольких функций агрегации к нескольким столбцам

Метод agg() также позволяет применять несколько функций агрегации к нескольким столбцам. Для этого мы можем передать в словарь несколько ключей.

Например, мы хотим найти сумму и среднее значение столбца "quantity" и максимальное значение столбца "price" по каждому продукту. Мы можем выполнить следующий запрос:

aggregated_data = df.groupby('product').agg({'quantity': ['sum', 'mean'], 'price': 'max'})
print(aggregated_data)

Вывод:

        quantity        price
              sum mean  max
product                     
A             13 6.5   15
B             11 5.5   25
C             10 5.0   35

Мы передали методу agg() словарь, где ключами являются имена столбцов, к которым мы применяем функции агрегации, а значениями являются списки функций для каждого столбца. Функции, которые мы хотим применить к одному столбцу, указываем в списке, а функции для других столбцов - просто перечисляем через запятую.

Таким образом, мы можем легко применить несколько функций агрегации к одному столбцу или нескольким столбцам в pandas, используя метод agg(). Этот метод позволяет нам получить различные агрегированные данные из нашего DataFrame.