发帖
雷达卡
欢迎关注微信个人公众号
，在个人
公众号
中，搜索: 大白学财经，有更多金融、python的话题分享
Applying differentfunctions to DataFrame columns¶
By passing a dict to aggregateyou can apply a different aggregation to the columns of a DataFrame:
在DF的列中使用不同的函数，
通过传入一个字典，可以对DF的不同列进行不同的聚合。
In [85]:grouped.agg({'C': np.sum,
....: 'D': lambda x: np.std(x,ddof=1)})
###用了np.sum这个函数，直接对C列的值处理
###用了np.std这个函数，直接对D列的值处理
85的D列处理和下面这句是一样的
grouped["D"].agg(np.std)
The function names can also be strings. In order for a string tobe valid it must be either implemented on GroupBy or available via dispatching:
这个函数的名字也可以是字符串，为了使得字符串有效，他必须即要是可执行的GroupBy或是通过不匹配也要有效
In [86]: grouped.agg({'C': 'sum', 'D': 'std'})
效果一致
Cython-optimizedaggregation functions¶
Some common aggregations, currently only sum,mean, std,and sem, have optimized Cythonimplementations:
Cython最优化聚合函数
有些普通的最优化函数，当前只有sum mean std和sem有最优化的cython执行。
Of course sumand mean are implemented on pandasobjects, so the above code would work even without the special versions viadispatching (see below).
In [87]: df.groupby('A').sum()
Out[87]:
C D
A
bar 0.392940 1.732707
foo -1.796421 2.824590
In [88]: df.groupby(['A', 'B']).mean()
Out[88]:
C D
A B
bar one 0.254161 1.511763
three 0.215897 -0.990582
two -0.077118 1.211526
foo one -0.491888 0.807291
three -0.862495 0.024580
two 0.024925 0.592714
当然sum和mean都是pd的执行对象，所以以上的代码有效，即使在没有特殊的dispatching的版本中。
京公网安备 11010802022788号
