pandas.core.window.rolling.Rolling.aggregate#

Rolling.aggregate(func, *args, **kwargs)[源代码][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/Dataframe 时工作，或者在传递给 Series/Dataframe.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。

*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.rolling

使用 Series 数据调用对象。

DataFrame.rolling

使用 DataFrame 数据调用对象。

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

>>> df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6], "C": [7, 8, 9]})
>>> df
   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

>>> df.rolling(2).sum()
     A     B     C
0  NaN   NaN   NaN
1  3.0   9.0  15.0
2  5.0  11.0  17.0

>>> df.rolling(2).agg({"A": "sum", "B": "min"})
     A    B
0  NaN  NaN
1  3.0  4.0
2  5.0  5.0