在Pandas中，数据聚合操作通常使用groupby()和aggregate()函数来完成。以下是一个简单的例子：
首先，我们需要导入pandas库并创建一个DataFrame：
import pandas as pd
data = {'Category': ['A', 'B', 'A', 'B', 'A', 'B'],
'Values': [10, 20, 30, 40, 50, 60]}
df = pd.DataFrame(data)
现在，我们有一个包含两列（Category和Values）的DataFrame。我们想要根据Category列对数据进行分组，并计算每个组的Values列的总和。
# 使用groupby()函数对数据进行分组
grouped_data = df.groupby('Category')
# 使用aggregate()函数对每个组进行聚合操作
result = grouped_data.aggregate({'Values': 'sum'})
print(result)
输出结果：
Values
Category
A 90
B 120
在这个例子中，我们首先使用groupby()函数对Category列进行分组，然后使用aggregate()函数对每个组的Values列进行求和操作。你可以根据需要使用其他聚合函数，如mean()、max()、min()等。
如果你想要对多个列进行不同的聚合操作，可以在aggregate()函数中传递一个字典，其中键是要聚合的列名，值是要应用的聚合函数。例如：
result = grouped_data.aggregate({'Values': ['sum', 'mean'], 'AnotherColumn': 'max'})
这将计算每个组的Values列的总和和平均值，以及AnotherColumn列的最大值。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
