pandas 0.23 - Resampler.aggregate()

pandas.core.resample.Resampler.aggregate




pandas

pandas.core.resample.Resampler.aggregate

Resampler.aggregate(arg, *args, **kwargs) [source]

निर्दिष्ट अक्ष पर एक या एक से अधिक ऑपरेशन का उपयोग करके अलग करें।

पैरामीटर:

func : फ़ंक्शन, स्ट्रिंग, शब्दकोश, या स्ट्रिंग / फ़ंक्शन की सूची

डेटा एकत्र करने के लिए उपयोग करने का कार्य। यदि कोई फ़ंक्शन है, तो या तो काम करना चाहिए जब एक DataFrame पास हो या जब DataFrame.apply को पास किया जाए। यदि DataFrame स्तंभ नाम हैं, तो एक DataFrame के लिए, एक तानाशाही पास कर सकता है।

स्वीकृत संयोजन हैं:

  • स्ट्रिंग फ़ंक्शन का नाम।
  • समारोह।
  • कार्यों की सूची।
  • स्तंभ नामों का अधिमान -> फ़ंक्शंस (या फ़ंक्शंस की सूची)।

* args

func पास करने के लिए स्थिति संबंधी तर्क।

** kwargs

func को पास करने के लिए कीवर्ड तर्क।

यह दिखाता है:
aggregated : DataFrame

यह भी देखें

pandas.DataFrame.groupby.aggregate , pandas.DataFrame.resample.transform , pandas.DataFrame.aggregate

टिप्पणियाँ

agg aggregate लिए एक उपनाम है। उपनाम का उपयोग करें।

एक पारित उपयोगकर्ता-परिभाषित-फ़ंक्शन मूल्यांकन के लिए एक श्रृंखला पारित किया जाएगा।

उदाहरण

>>> s = Series([1,2,3,4,5],
                index=pd.date_range('20130101',
                                    periods=5,freq='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')
DatetimeIndexResampler [freq=<2 * Seconds>, axis=0, closed=left,
                        label=left, convention=start, base=0]
>>> r.agg(np.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' : np.sum})
                     total    result
2013-01-01 00:00:00      3  2.121320
2013-01-01 00:00:02      7  4.949747
2013-01-01 00:00:04      5       NaN