Python | Serie Pandas.aggregate()

La serie Pandas es un ndarray unidimensional con etiquetas de eje. No es necesario que las etiquetas sean únicas, pero deben ser de tipo hashable. El objeto admite la indexación basada en enteros y etiquetas y proporciona una gran cantidad de métodos para realizar operaciones relacionadas con el índice.

La función Pandas Series.aggregate()agrega usando una o más operaciones sobre el eje especificado en el objeto de serie dado.

Sintaxis: Series.aggregate(func, axis=0, *args, **kwargs)

Parámetro :
func : Función a usar para agregar los datos.
eje: parámetro necesario para la compatibilidad con DataFrame.
*args : Argumentos posicionales para pasar a func.
**kwargs: Argumentos de palabras clave para pasar a func.

Devoluciones: trama de datos, serie o escalar

Ejemplo #1: Utilice Series.aggregate()la función para realizar la agregación de los datos subyacentes del objeto de serie dado.

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([34, 5, 13, 32, 4, 15])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

Producción :

Coca Cola    34
Sprite        5
Coke         13
Fanta        32
Dew           4
ThumbsUp     15
dtype: int64

Ahora usaremos Series.aggregate()la función para encontrar la suma de todos los valores en el objeto de serie dado.

# Find the sum of all values
result = sr.aggregate(func = sum)
  
# Print the result
print(result)

Producción :

103

Como podemos ver en el resultado, la Series.aggregate()función ha devuelto con éxito la suma de los datos subyacentes del objeto de serie dado.
 
Ejemplo #2: use Series.aggregate()la función para realizar la agregación en los datos subyacentes del objeto de serie dado.

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([51, 10, 24, 18, 1, 84, 12, 10, 5, 24, 0])
  
# Create the Index
# apply yearly frequency
index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='Y')
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

Producción :

2010-12-31 08:45:00    51
2011-12-31 08:45:00    10
2012-12-31 08:45:00    24
2013-12-31 08:45:00    18
2014-12-31 08:45:00     1
2015-12-31 08:45:00    84
2016-12-31 08:45:00    12
2017-12-31 08:45:00    10
2018-12-31 08:45:00     5
2019-12-31 08:45:00    24
2020-12-31 08:45:00     0
Freq: A-DEC, dtype: int64

Ahora usaremos Series.aggregate()la función para encontrar el máximo de todos los valores en el objeto de serie dado.

# Find the max of all values
result = sr.aggregate(func = max)
  
# Print the result
print(result)

Producción :

84

Como podemos ver en el resultado, la Series.aggregate()función ha devuelto con éxito el máximo de todos los valores en el objeto de serie dado.