### Python Pandas中 `agg` 函数的作用与使用场景 #### 1. **`agg` 函数的基本作用** `agg` 是 Pandas 中的一个聚合函数，用于对数据进行多种方式的聚合操作。它可以在 DataFrame 或 Series 的列或行上执行一个或多个聚合函数，并返回结果。默认情况下，聚合操作是在列轴（axis=0）上执行[^3]。 ```python import pandas as pd # 示例 DataFrame data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': ['X', 'Y', 'X', 'Y']} df = pd.DataFrame(data) # 使用 agg 进行单列聚合 result = df['A'].agg(['sum', 'mean']) print(result) ``` **输出**： ``` sum 10.0 mean 2.5 Name: A, dtype: float64 ``` #### 2. **多列多函数聚合** `agg` 支持对不同的列应用不同的聚合函数。可以通过字典指定每个列的聚合方式，包括为新列命名[^1]。 ```python # 多列多函数聚合示例 agg_dict = { 'A': [('total', 'sum'), ('average', 'mean')], 'B': [('max_value', 'max')] } result = df.groupby('C').agg(agg_dict) print(result) ``` **输出**： ``` A B total average max_value C X 4 2.0 5 Y 6 3.0 8 ``` #### 3. **自定义聚合函数** 除了内置的聚合函数外，`agg` 还支持用户定义的函数。例如，可以定义一个函数来计算去重后的字符串连接[^2]。 ```python # 自定义聚合函数示例 def custom_agg(x): return "|".join(sorted(set(x))) data_custom = {'D': ['a', 'b', 'a', 'c'], 'E': ['d', 'e', 'f', 'd']} df_custom = pd.DataFrame(data_custom) result_custom = df_custom.agg(custom_agg) print(result_custom) ``` **输出**： ``` D a|b|c E d|e|f dtype: object ``` #### 4. **多级分组与聚合** `agg` 可以结合 `groupby` 实现多级分组和复杂聚合操作。通过这种方式，可以灵活地处理具有层次结构的数据[^1]。 ```python # 多级分组示例 data_multi = {'Group': ['G1', 'G1', 'G2', 'G2'], 'Subgroup': ['S1', 'S2', 'S1', 'S2'], 'Value': [10, 20, 30, 40]} df_multi = pd.DataFrame(data_multi) result_multi = df_multi.groupby(['Group', 'Subgroup']).agg({'Value': ['sum', 'mean']}) print(result_multi) ``` **输出**： ``` Value sum mean Group Subgroup G1 S1 10 10 S2 20 20 G2 S1 30 30 S2 40 40 ``` #### 5. **性能优化与注意事项** 在使用 `agg` 时，需注意以下几点： - 确保聚合函数适用于数据类型，否则可能引发错误。 - 对于大规模数据集，应避免不必要的复杂操作以提高性能。 - 当需要对多个列应用相同的聚合函数时，可以直接传入列表而不是字典。 --- ###