pandas.Series.agg#

Series.agg(func=None, axis=0, *args, **kwargs)[源代码]#

在指定轴上使用一个或多个操作进行聚合。

参数:

func函数, 字符串, 列表或字典

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']
轴标签字典 -> 函数、函数名或此类列表。

轴{0 或 ‘index’}

未使用。参数需要与 DataFrame 兼容。

*args

传递给 func 的位置参数。

**kwargs

传递给 func 的关键字参数。

返回:

标量, 序列或数据框

返回可以是：

scalar : 当使用单个函数调用 Series.agg 时
Series : 当 DataFrame.agg 被调用时使用单个函数
DataFrame : 当使用多个函数调用 DataFrame.agg 时

参见

Series.apply: 在 Series 上调用函数。
Series.transform: 生成具有相似索引的系列的转换函数。

备注

聚合操作总是在一个轴上执行，要么是索引（默认）要么是列轴。这种行为与 numpy 聚合函数（mean, median, prod, sum, std, var）不同，后者的默认行为是计算展平数组的聚合，例如 numpy.mean(arr_2d) 而不是 numpy.mean(arr_2d, axis=0)。

agg 是 aggregate 的别名。使用这个别名。

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。

传递的用户定义函数将被传递一个 Series 进行评估。

如果 func 定义了一个索引重标记，axis 必须是 0 或 index。

例子

>>> s = pd.Series([1, 2, 3, 4])
>>> s
0    1
1    2
2    3
3    4
dtype: int64

>>> s.agg('min')
1

>>> s.agg(['min', 'max'])
min   1
max   4
dtype: int64