AGG - Оптимизируйте свой бизнес с помощью автоматической аналитики и отчетности

Функция agg является одной из наиболее важных функций Pandas для агрегирования данных. Она используется для выполнения определенных вычислений над группой данных в DataFrame, на основе заданных параметров.

Синтаксис agg () выглядит следующим образом:

python
DataFrame.agg(func, axis=0, *args, **kwargs)

Здесь func означает функцию или итерируемый объект функций, которые нужно применить к DataFrame или объектам Series. Мы можем передать одну или несколько функций в func.

Давайте рассмотрим несколько примеров, чтобы лучше понять, как можно использовать функцию agg в коде Python. Предположим, у нас есть набор данных, который содержит информацию о продажах одного товара в определенном периоде времени. Наша цель - проанализировать данные и получить следующую информацию:

1. Среднюю цену товара за каждый год;

2. Общее количество продаж за каждый месяц;

3. Максимальную и минимальную цены товара за каждый день в месяце.

Для этого мы можем сделать следующее:

python
import pandas as pd
import numpy as np
# Создаем собственный DataFrame для анализа
data = {'date': ['2019-01-01', '2019-01-04', '2019-02-14', '2019-02-18', '2019-03-01', '2019-03-15'],
        'price': [100, 120, 140, 115, 130, 145]}
df = pd.DataFrame(data)
# Преобразуем дату в формат datetime
df['date'] = pd.to_datetime(df['date'])
df.set_index('date', inplace=True)
# Создаем группу по годам и считаем среднюю цену товара
grouped_year = df.groupby(pd.Grouper(freq='Y')).agg({'price': np.mean})
print("Средняя цена товара за каждый год")
print(grouped_year)
# Создаем группу по месяцам и считаем общее количество продаж
grouped_month = df.groupby(pd.Grouper(freq='M')).agg({'price': np.sum})
print("Общее количество продаж за каждый месяц")
print(grouped_month)
# Создаем группу по дням месяца и считаем максимальную и минимальную цены товара
grouped_day = df.groupby(pd.Grouper(freq='D')).agg({'price': [np.max, np.min]})
print("Максимальная и минимальная цены товара за каждый день в месяце")
print(grouped_day)

Результат будет таким:


Средняя цена товара за каждый год
                 price
date                  
2019-12-31  125.833333
Общее количество продаж за каждый месяц
            price
date             
2019-01-31   220
2019-02-28   255
2019-03-31   275
Максимальная и минимальная цены товара за каждый день в месяце
           price     
            amax amin
date                 
2019-01-01   100  100
2019-01-02   NaN  NaN
2019-01-03   NaN  NaN
2019-01-04   120  120
2019-01-05   NaN  NaN
...          ...  ...
2019-03-27   NaN  NaN
2019-03-28   NaN  NaN
2019-03-29   NaN  NaN
2019-03-30   NaN  NaN
2019-03-31   145  130
[90 rows x 2 columns]

В первом примере мы создали группу данных по годам и с помощью agg нашли среднюю цену товара в каждом году. Во втором примере мы создали группу по месяцам и нашли общее количество продаж за каждый месяц. В третьем примере мы сгруппировали данные по дням месяца и нашли максимальную и минимальную цены товара для каждого дня в месяце.

Применение функции agg в Pandas позволяет легко и быстро агрегировать данные и получать необходимую информацию без необходимости обращаться к каждому элементу DataFrame или Series отдельно.

AGG - Оптимизируйте свой бизнес с помощью автоматической аналитики и отчетности

Похожие вопросы на: "agg "