pandas 0.23 - Rolling.aggregate()

pandas.core.window.Rolling.aggregate




pandas

pandas.core.window.Rolling.aggregate

Rolling.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, या तो किसी श्रृंखला / डेटाफ़्रेम को पास करते समय या जब श्रृंखला / डेटाफ़्रेम .apply को पास किया जाता है तो काम करना चाहिए। 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 : Series/DataFrame

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

>>> df = pd.DataFrame(np.random.randn(10, 3), columns=['A', 'B', 'C'])
>>> df
          A         B         C
0 -2.385977 -0.102758  0.438822
1 -1.004295  0.905829 -0.954544
2  0.735167 -0.165272 -1.619346
3 -0.702657 -1.340923 -0.706334
4 -0.246845  0.211596 -0.901819
5  2.463718  3.157577 -1.380906
6 -1.142255  2.340594 -0.039875
7  1.396598 -1.647453  1.677227
8 -0.543425  1.761277 -0.220481
9 -0.640505  0.289374 -1.550670
>>> df.rolling(3).sum()
          A         B         C
0       NaN       NaN       NaN
1       NaN       NaN       NaN
2 -2.655105  0.637799 -2.135068
3 -0.971785 -0.600366 -3.280224
4 -0.214334 -1.294599 -3.227500
5  1.514216  2.028250 -2.989060
6  1.074618  5.709767 -2.322600
7  2.718061  3.850718  0.256446
8 -0.289082  2.454418  1.416871
9  0.212668  0.403198 -0.093924
>>> df.rolling(3).agg({'A':'sum', 'B':'min'})
          A         B
0       NaN       NaN
1       NaN       NaN
2 -2.655105 -0.165272
3 -0.971785 -1.340923
4 -0.214334 -1.340923
5  1.514216 -1.340923
6  1.074618  0.211596
7  2.718061 -1.647453
8 -0.289082 -1.647453
9  0.212668 -1.647453