pandas.core.resample.Resampler.aggregate # 最终 重采样器。聚合( func = None , * args , ** kwargs ) [来源] # 使用指定轴上的一项或多项操作进行聚合。 参数: func函数、str、列表或字典用于聚合数据的函数。如果是函数,则必须在传递 DataFrame 或传递给 DataFrame.apply 时起作用。 可接受的组合是: 功能 字符串函数名 函数和/或函数名称列表,例如[np.sum, 'mean'] 轴标签的字典 -> 函数、函数名称或此类列表。 *参数要传递给func 的位置参数。 **夸格要传递给func 的关键字参数。 返回: 标量、系列或数据帧返回值可以是: 标量:当使用单个函数调用 Series.agg 时 Series :当使用单个函数调用 DataFrame.agg 时 DataFrame :当使用多个函数调用 DataFrame.agg 时 也可以看看 DataFrame.groupby.aggregate使用可调用、字符串、字典或字符串/可调用列表进行聚合。 DataFrame.resample.transform根据给定的函数转换每个组上的系列。 DataFrame.aggregate使用指定轴上的一项或多项操作进行聚合。 笔记 聚合操作始终在轴(索引(默认)或列轴)上执行。此行为与numpy聚合函数(mean、median、prod、sum、std、 var )不同 ,其中默认值是计算展平数组的聚合,例如,numpy.mean(arr_2d)与 .numpy.mean(arr_2d, axis=0) agg是aggregate的别名。使用别名。 改变传递的对象的函数可能会产生意外的行为或错误,因此不受支持。 有关更多详细信息,请参阅使用用户定义函数 (UDF) 方法进行变异。 传递的用户定义函数将传递给 Series 进行评估。 例子 >>> s = pd.Series([1, 2, 3, 4, 5], ... index=pd.date_range('20130101', periods=5, freq='s')) >>> s 2013-01-01 00:00:00 1 2013-01-01 00:00:01 2 2013-01-01 00:00:02 3 2013-01-01 00:00:03 4 2013-01-01 00:00:04 5 Freq: s, dtype: int64 >>> r = s.resample('2s') >>> r.agg("sum") 2013-01-01 00:00:00 3 2013-01-01 00:00:02 7 2013-01-01 00:00:04 5 Freq: 2s, dtype: int64 >>> r.agg(['sum', 'mean', 'max']) sum mean max 2013-01-01 00:00:00 3 1.5 2 2013-01-01 00:00:02 7 3.5 4 2013-01-01 00:00:04 5 5.0 5 >>> r.agg({'result': lambda x: x.mean() / x.std(), ... 'total': "sum"}) result total 2013-01-01 00:00:00 2.121320 3 2013-01-01 00:00:02 4.949747 7 2013-01-01 00:00:04 NaN 5 >>> r.agg(average="mean", total="sum") average total 2013-01-01 00:00:00 1.5 3 2013-01-01 00:00:02 3.5 7 2013-01-01 00:00:04 5.0 5