使用dict调用.agg时更改多个函数的名称
是指在Pandas中，使用字典来调用.agg函数时，可以更改多个函数的名称。
.agg函数用于对数据进行聚合操作，可以同时应用多个聚合函数。通常情况下，我们可以直接在.agg函数中传入聚合函数的名称，例如.sum()、.mean()等。但是，有时候我们可能需要将聚合函数的名称更改为其他自定义的名称。
这时，我们可以使用字典来指定每个聚合函数的名称。字典的键表示原始的聚合函数名称，而字典的值表示要更改的新名称。例如，我们可以使用以下代码来更改两个聚合函数的名称：
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10]})
agg_functions = {'sum': 'total', 'mean': 'average'}
result = df.agg(agg_functions)
print(result)输出结果为：
A total
B total
dtype: object在上述代码中，我们使用字典agg_functions来指定两个聚合函数的名称更改。'sum'被更改为'total'，'mean'被更改为'average'。最后，我们调用.agg函数并传入agg_functions字典，得到了更改后的结果。
这种方式可以方便地自定义聚合函数的名称，使得结果更加直观和易于理解。
推荐的腾讯云相关产品：腾讯云数据库TencentDB、腾讯云云服务器CVM、腾讯云云原生容器服务TKE。
腾讯云数据库TencentDB产品介绍链接地址：https://cloud.tencent.com/product/cdb 腾讯云云服务器CVM产品介绍链接地址：https://cloud.tencent.com/product/cvm 腾讯云云原生容器服务TKE产品介绍链接地址：https://cloud.tencent.com/product/tke
相关·内容
我有本字典： dict = { "A": ("a", "mean"),
"B": ("b", "sum")} 我想对每个键使用以下函数： for i in dict.keys():
df.groupby(i)[dict[i][0]].sum()
or
df.groupby(i)[dict[i][0]].mean() 如何替换硬编码的"sum“或"mean"，以便它使用字典中给定的内容？如下所示： df.groupby(i)[dict[i][
浏览 9提问于2020-10-31得票数 2
回答已采纳
6回答
我对Pandas的群比功能有问题。我读过，但我看不出如何将聚合函数应用于多个列，并为这些列设置自定义名称。
这一点非常接近，但返回的数据结构有嵌套的列标题：
data.groupby("Country").agg(
{"column1": {"foo": sum()}, "column2": {"mean": np.mean, "std": np.std}})
(即)我想取column2的平均值和std，但将这些列返回为“均”和"std")
我遗漏了什么？
浏览 10提问于2013-09-29得票数 182
回答已采纳
1回答
我有一个带有衬垫、交易日期列等的销售表。我在垫子栏上使用groupby，然后使用agg方法获得最大日期(由该特定客户获得最新的交易日期)和最小日期(以获得他在商店的第一个交易日期)。
我的代码如下：
sales['transdate'] = pd.to_datetime(sales['transdate']) # Converting the transdate column from string to timestamps.
sales['custid'].groupby.transdate({'count': np.coun
浏览 0提问于2018-07-04得票数 1
回答已采纳
3回答
我想动态调用一个函数，但我没有成功。
available.append({
'analysis_name': 'Category X Total Payment',
'col_name': 'VALUE',
'required_cols': ['Category','VALUE'],
'agg':'SUM',
'analysis_type': 'pareto-bar',
浏览 0提问于2018-03-21得票数 0
回答已采纳
1回答
我有这个数据：
rng = pd.date_range(start='2018-01-01', end='2018-01-21')
rnd_values = np.random.rand(len(rng))+3
df = pd.DataFrame({'time':rng.to_list(),'value':rnd_values})
假设我想根据一周中的每一天对它进行分组，并计算平均值：
df['span'] = np.where((df['time'].dt.day_of_week <= 2
浏览 8提问于2022-03-24得票数 0
回答已采纳
我有一个看起来像他的数据
_____________________
|col1 | col2 | col3 |
---------------------
| a | b | c |
| d | b | c |
| e | f | g |
| h | f | j |
---------------------
我想要一个字典结构，如下所示
{
b : { col1: [a,d], col2: b, col3: c},
f : { col1: [e, h], col2: f, col3: [g, j]}
}
我见
浏览 2提问于2022-03-11得票数 1
回答已采纳
1回答
运行此程序时：
import pandas as pd
df = pd.DataFrame(dict(x=[1, 1, 2, 2, 3, 3], group=["a", "a", "a", "a", "b", "b"]))
df.groupby(["group"]).agg({
"x": [pd.Series.mode, "sum"]
})
返回此错误：
ValueError Tr
浏览 9提问于2022-08-31得票数 0
回答已采纳
我在pandas data frame中有一列，我想找出同一结果中某列的最小和最大值。但问题是，我只能得到一个聚合值作为回报。 import pandas as pd
print(df)
col1 col2
5 9
6 6
3 4
4 3
df.agg({'col1':'sum','col1':'mean'}) 这个聚合的输出只给出了一个含义： col1 4.5
dtype: float64 然而，对于col1，我需要的输出应该既有和又有均值，我只是得到了均值。
浏览 17提问于2019-05-04得票数 0
回答已采纳
3回答
我在PD数据帧中按项-日期对进行分组，并希望使用lambda将一些自定义条件函数添加到更大的聚合函数中。
使用tip ，我可以执行以下操作，它可以正常工作，并计算给定列中的正值和负值。
item_day_count=item_day_group['PriceDiff_pct'].agg({'Pos':lambda val: (val > 0).sum(),'Neg':lambda val: (val <= 0).sum()}).reset_index()
我还可以做一个不同的聚合，它既包含预先构建的聚合，也包含返回适当统计数据的自定义
浏览 1提问于2018-04-19得票数 4
我很难把elasticsearch的结果翻译成熊猫。我正在尝试编写一个抽象函数，该函数采用嵌套字典(任意数量的级别)，并将它们压缩成熊猫数据格式。
下面是一个典型的结果
-编辑:我也添加了父键
x1 = {u'xColor': {u'buckets': [{u'doc_count': 4,
u'key': u'red',
u'xMake': {u'buckets': [{u'doc_count': 3,
u'key': u'honda&#
浏览 5提问于2015-03-26得票数 3
回答已采纳
我想我误解了管道和类似的东西在舵/金模板中的工作原理。舵机版本：
version.BuildInfo{Version:"v3.5.2", GitCommit:"167aac70832d3a384f65f9745335e9fb40169dc2", GitTreeState:"dirty", GoVersion:"go1.15.7"}
给定values.yaml：
base_dict:
one-thing:
some-setting: potato
two-thing:
some-setting: spud
和
浏览 3提问于2022-11-17得票数 0
让df成为我们来自Pandas的测试数据：
import pandas as pd
import numpy as np
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'],
'B' : ['one', 'one', 'two', '
浏览 1提问于2017-03-03得票数 2
回答已采纳
我有一个具有不同值和ID的dataframe，它们可以是公共的。 df = pd.DataFrame({'A': ['chr1','chr1','chr1','chr1','chr1','chr2'],
'B': [700,750,800,850,900,200],
'C': [750,800,850,900,950,250],
浏览 13提问于2020-01-07得票数 2
回答已采纳
1回答
我有这样的数据：
import pandas as pd
import numpy as np
df = pd.DataFrame({"ind0": list("QQQWWWW"), "ind1": list("RRRRSSS"), "vals": range(7), "cols": list("XXYXXYY")})
print(df)
输出：
ind0 ind1 vals cols
0 Q R 0 X
1 Q R 1
浏览 5提问于2022-02-04得票数 0
回答已采纳
1回答
在分组Pandas DataFrame时，什么时候应该使用transform，什么时候应该使用aggregate？它们在实践中的应用有何不同?你认为哪一个更重要？
浏览 0提问于2016-12-04得票数 38
1回答
对于表单中的数据
mean var count
31.5910645161 747.570011484 310
45.7 350.0658 2
77.2548205128 4968.46005809 195
166.830361446 13755.5734253 166
40.29 208.8968 2
254.35 15204.1922 2
4.81 0.0 1
56.012420
浏览 0提问于2016-08-10得票数 2
我正在使用pandas groupby，并希望应用该函数从组中的项目中生成一个集合。
TypeError: 'type' object is not iterable中的以下结果
df = df.groupby('col1')['col2'].agg({'size': len, 'set': set})
但是下面的方法是可行的：
def to_set(x):
return set(x)
df = df.groupby('col1')['col2'].agg({
浏览 1提问于2016-06-01得票数 17
回答已采纳
1回答
高级聚集熊猫蟒蛇
、、、、
如果我有一个简单的表，例如：
index location col1 col2 col3 col4
1 a TRUE yes 1 4
2 a FALSE null 2 6
3 b TRUE null 6 3
4 b TRUE no 3 4
5 b FALSE yes 4
浏览 3提问于2016-07-27得票数 2
回答已采纳
我有个关于熊猫多重聚集的问题。
最初，我有一个数据集，其中显示了石油价格，详情如下：
数据集的头如下：
我在这里要做的是得到2014年每个季度的平均值和标准差。理想的产出如下：
在我的脚本中，我已经通过这样做创建了季度信息。
然而，，这里我不明白的一件事是：
如果我试图使用此命令来执行此操作
brent[brent.index.year == 2014].groupby('quarter').agg({"average_price": np.mean, "std_price": np.std})
我犯了以下错误：
浏览 3提问于2021-06-03得票数 1
回答已采纳
给定的
df = pd.DataFrame(np.random.rand(4,4), columns=list('abcd'))
df
a b c d
0 0.569586 0.730646 0.070111 0.226699
1 0.092704 0.828220 0.190215 0.644188
2 0.815397 0.281504 0.690391 0.115763
3 0.614022
浏览 14提问于2020-05-12得票数 1
回答已采纳
1回答
我有一个数据，现在看起来是这样的。我需要将id上的两行合并起来。
id post date
0 10-1 Lorem ipsum dolor sit amet, consectetur adipiscing... 2012-01-28
1 10-1 Ut enim ad minim veniam, quis nostrud exercitation... 2012-01-28
预期结果如下：
id post
浏览 3提问于2018-03-28得票数 0
回答已采纳
数据来自另一个数据库，所以我不能编辑模型。 每个用户打了几场比赛，每场比赛的统计数据都保存在自己的表行上，例如，如果我需要计算一个玩家的杀伤量，我可以通过 kills = Get5StatsPlayers.objects.filter(steamid64=reuest.user.SocialAuth.uid).aggregate(
sum=Sum('kills')) 我的问题是，我可以一次对所有字段执行此操作吗？ class Get5StatsPlayers(models.Model):
matchid = models.PositiveIntegerField(primar
浏览 14提问于2020-01-28得票数 0
1回答
我正在分析电力系统时间序列数据，并试图找到超过某个阈值的连续数据点。
我目前正在手动使用excel公式，但当我试图搜索更有效的方法时，我意识到这可以在python大熊猫群比函数中完成。
但是，就我所读的示例而言，groupby函数只对具有相同标签的行进行分组。我想要做的是将一个特定的函数传递给groupby，这个函数可以检查=> 3值是否为=> 3，然后对这些值进行分组，并根据其违反阈值=>3的起始时间和结束时间对其进行索引。
输入：
+-------+---------+------+
| Index | Time | Value|
+-------+--------
浏览 0提问于2017-10-29得票数 3
回答已采纳
我有一个dataframe，如下所示。
df = pd.DataFrame({
'code' : [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
'Tag' : ['A','B','C','D','B','C','D','A','D','C']
})
+------+-----+
| code | Tag |
+------+-----+
|
浏览 2提问于2021-03-04得票数 2
回答已采纳
1回答
现在我有了下面的数据
A B C
1 1 1
1 2 1
1 3 2
2 4 2
2 5 2
2 6 3
我想按df.A分组，并以df.B概括。
但是，我想把C作为每个组元素中的第一个。
所以我想得到下面的结果。
A B C
1 6 1
2 15 2
如何保持df.C并转换每个组的第一个元素？
我试过df.groupby(A)B.sum()，但我想不出下一步.
浏览 0提问于2017-01-26得票数 2
回答已采纳
3回答
我正在使用pandas groupby+agg功能来生成漂亮的报告
aggs_dict = {'a':['mean', 'std'], 'b': 'size'}
df.groupby('year').agg(aggs_dict)
我想在整个数据帧上作为一个单独的组使用相同的aggs_dict，不对年份进行划分，类似于：
df.groupall().agg(aggs_dict)
或者：
df.agg(aggs_dict)
但是找不到任何优雅的方法来做到这一点..请注意，在我的实际代码中，aggs_di
浏览 9提问于2016-09-07得票数 10
回答已采纳
2回答
我有一张数据文件，看起来像：
road dirn length lane
1 L 0 2
1 L 0.6 2
1 L 1.2 1
1 L 0.8 2
2 R 1.5 3
2 R 0.4 2
2 R 9 3
我需要聚合这个数据，在那里我将按列‘路’和'dirn'，和列‘长度’，并从列‘车道’中得到最常见的值。结果的dataf
浏览 2提问于2020-07-03得票数 1
回答已采纳
1回答
(df.set_index('STNAME').groupby(level=0)['CENSUS2010POP']
.agg({'avg': np.average, 'sum': np.sum}))
在上面的代码中，为什么有必要在groupby中指定level参数，因为据我所理解，只有当multiIndex在DataFrame中时才需要级别参数。
浏览 0提问于2018-12-09得票数 1
回答已采纳
1回答
给定的数据文件包含一个主机、一个ip地址和ip请求的时间戳。
import pandas as pd
data = {
'host': [
'google.com',
'yahoo.com',
'wikipedia.org',
'stackoverflow.com',
'amazon.com',
'google.com',
'yahoo.com',
浏览 2提问于2020-10-29得票数 0
回答已采纳
我有一个事务表，其中包含：
timestamp, user_id, val
我需要按user_id分组，并在val上应用复杂的操作，比如
len(val[by_user_id].unique())
但是，每一列都是不同的...
哪种方法是最有效的？
1)使用循环进行拆分
for x in user_id_list :
或者2)使用Pandas groupby，但这并不清楚如何对每个列应用不同的函数...
谢谢
浏览 10提问于2017-01-27得票数 2
2回答
我有过
df = pd.DataFrame({"A": [1,2,3,4,5,6,7,8], "B": [1,1,2,2,3,3,4,4], "C": [1,1,1,1,2,3,2,2] })
A B C
0 1 1 1
1 2 1 1
2 3 2 1
3 4 2 1
4 5 3 2
5 6 3 3
6 7 4 2
7 8 4 2
我希望看到，对于B列的每个值B，C列的值集c是在B=b的行中存在的。
因此，我想要一个类似于{1:[1]
浏览 8提问于2022-07-20得票数 1
回答已采纳
我有这个df，我需要聚合，然后排序：
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 player_slug 692 non-null object
1 player_id 692 non-null int64
2 player_nickname 692 non-null object
浏览 1提问于2020-07-19得票数 1
回答已采纳
1回答
使用python聚合数据
、、、、
我有一些数据，我想要的总和和计数的基础上，一个特定的领域。我的数据是这样的
Value ID Object
100 ABD Type1
200 ABD Type1
400 ABD Type2
200 BCE Type1
100 BCE Type1
800 JHO Type3
600 TVM Type4
我试图在这里计算与ID相关的唯一对象的数量，并将与该ID相关的总价值相加。
ValueSum ID CountObject
700 ABD 2
300 BCE 1
800
浏览 0提问于2017-04-27得票数 1
回答已采纳
import pandas as pd
def func_sum(df, cols, col):
res = df[cols].groupby(col).sum()
return res
def func_count(df, cols,col):
res = df[cols].groupby(col).count()
return res
def func_ave(df, cols, col):
res = df[cols].groupby(col).mean()
return res 我将这三个函数组合在一起的方式如下所示，这并不是很优
浏览 29提问于2019-04-25得票数 0
回答已采纳
在做的时候很清楚
data.groupby(['A','B']).mean()
我们按等级'A‘和'B’得到多个索引，每组的平均值为一列。
我怎么能同时得到计数()，std()？
所以结果看起来就像一个数据文件
A B mean count std
浏览 0提问于2015-06-05得票数 6
回答已采纳
我有一种熊猫DataFrame：
1 2 3 4
1 2 5 6
...
我有一个与其中一个行相同长度的函数列表，例如，
a = lambda x: x**2
b = lambda x: x**3
c = lambda x: x
d = lambda x: x+1
funcs = [a,b,c,d]
如果应用于上面的DataFrame，它应该输出
1 8 3 5
1 8 5 7
...
有什么简单的方法吗？
浏览 2提问于2022-03-25得票数 1
回答已采纳
我有一张名为moviegenre的桌子，它看起来像：
moviegenre:
- movie (FK movie.id)
- genre (FK genre.id)
我有一个查询(所生成的ORM)，它返回所有的movie.imdb和genre.id，它们与给定的movie.imdb_id具有相同的genre.id。
SELECT "movie"."imdb_id",
"moviegenre"."genre_id"
FROM "moviegenre"
INNER JOIN
浏览 4提问于2015-09-30得票数 1
回答已采纳
我有一个包含20天用户社交媒体活动值的csv文件，我想要获取第一天用户活动的详细信息，我确实是通过使用这段代码获得的 df['d'] = pd.to_datetime(df['date_time'], format='(%Y,%m,%d,%H,%M,%S)')
day1 = df['d'].dt.date[0]
df = df[df['d'].dt.date.eq(day1)]
df = df.melt(['date_time','d'])
df = df[df['
浏览 74提问于2020-10-29得票数 1
回答已采纳
我想要创建一个字典，其中键是状态名称，值是与状态对应的所有计数的总和。
来自dataFrame的示例
State Count
California 100
Colorado 100
California 54
Colorado 9254
我试图使用以下方法，但不确定如何在其中包含sum函数，也不确定是否应该在这里使用zip方法：
df_dict = dict(zip(df.State, df.Count))
print df_dict
浏览 2提问于2015-08-06得票数 1
回答已采纳
import pandas as pd
import os
files = os.listdir('D:\\Data\\200 Stocks 1 minute Data')
for file in files:
df = pd.read_csv('D:\\Data\\200 Stocks 1 minute Data\\'+file)
df['Date_time'] = df['Date'] + ' ' + df['Time']
df['Date_time']
浏览 2提问于2020-04-25得票数 2
2回答
TLDR:我想要一些关于如何改进我的代码的建议。 我正在从datacamp学习数据科学，我对编码有一个初级-中级的知识。这是我今天做的一个数据分析项目，我对我的代码不满意，因为它让人感觉混乱和低效。 在下面的代码中，我应该找到每个类别中的应用程序数量，然后创建一个新的数据框架，其中包含类别、应用程序数量、平均价格和平均评级。我做了一件狗屎工作，所以我想要一些有用的提示 num_apps = apps["Category"].value_counts(sort=False)
num_app = num_apps.sort_index()
avg_price = apps
浏览 32提问于2021-08-02得票数 0
回答已采纳
4回答
如果我有一个多次应用于一组列的函数f，那么更具Pythonic风格的方法是什么呢？现在，我正在做的是这样的。
newdf=df.groupby(['a', 'b']).apply(lambda x: f(x, 1))
newdf.columns=['1']
newdf['2']=df.groupby(['a', 'b']).apply(lambda x: f(x, 2))
newdf['3']=df.groupby(['a', 'b']).apply(
浏览 1提问于2018-06-14得票数 5
我是Python的新手，正在尝试创建一个具有插入、删除和更新数据选项的用户界面。将在文本文件中操作THe数据。我想接受用户的选项，并调用相应的函数来完成该活动。我发现的另一种方法是声明Dictionary，整个代码是：
print("Select options from below")
dict_options = {'1' : 'Insert',
'2' : 'Update',
'3' : 'Delete',
浏览 0提问于2015-01-02得票数 1
1回答
我在读
解决办法是：
frame.resample('1H', how={'radiation': np.sum, 'tamb': np.mean})
假设我想向存储其他函数值的结果中添加一个不存在的列，比如count()。在给出的例子中，假设我想计算每个1H周期中的行数。
是否有可能：
frame.resample('1H', how={'radiation': np.sum, 'tamb': np.mean,\
'new_column': count
浏览 3提问于2016-03-29得票数 3
回答已采纳
1回答
Python 3和熊猫0.23
我有一个带有2000列的DataFrame，需要根据每一列的一些汇总统计数据进行一些变量消除。
测试数据：
data = pd.DataFrame({
'a': np.random.normal(0, 2, 10), \
'b': np.random.normal(0, 2, 10), \
'c': np.random.normal(0, 2, 10) \
})
作品：
data.aggregate(['min','max', 'nunique
浏览 2提问于2018-07-10得票数 2
回答已采纳
3回答
我在解压缩这个postgreSQL查询时遇到了困难：
select name, revenue from (
select facs.name, sum(case
when memid = 0 then slots * facs.guestcost
else slots * membercost
end) as revenue
from cd.bookings bks
inner join cd.facilities facs
on b
浏览 0提问于2020-09-08得票数 0
4回答
下面是一个棘手的错误，您可以使用Python在字典中找到这个错误：
dict = {'a':5,'c':5}
#Typing some codes
在程序的某个时候，您决定创建一个空字典：
new_dic = dict()
你得到了这个回溯：
Traceback (most recent call last):
File "<input>", line 1, in <module>
TypeError: 'dict' object is not callable
你能告诉我它是否是Python中的一个bug
浏览 1提问于2015-11-05得票数 2
回答已采纳
1回答
下面是我的数据框架，我认为我需要使用groupby或pivot，但没有任何东西正常工作。 LOGIN MANAGER 7 8 9 10 11 UNITS HOURS UPH
0 joeblow MSmith 1 21 1 47.01
1 joeblow MSmith 0.25 18 0.25 75.83
2 joeblow MSmith
浏览 11提问于2019-03-07得票数 0
回答已采纳
1回答
将枢轴表导出到csv
、、、
使用以下代码创建枢轴表时：
df = df.pivot_table(index=['Player', 'Pos'], values=['Min'], aggfunc='sum')
csv出口报销单：
Player Pos Min
A GK 450
B CM 1
B DM 166
C RB 302
C RB,CB 169
如何编辑代码以返回以下内容：
Playe
浏览 2提问于2022-09-12得票数 0
我正在清理数据，并有一个问题。我有一个联系人数据集和一个帐户数据集。我需要在“ContactID”上合并这两个数据帧。某些ContactID有多个帐户。因此，当我合并它们时，仍然有一些ContactID有多行。我需要组合这些行，以便将数字列相加在一起，同时仍然保留分类列。下面是一个示例： 当我合并时： ContactID Value Type
1 800 A
1 70
浏览 24提问于2021-04-22得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
