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.
Publicación traducida automáticamente
Artículo escrito por Shubham__Ranjan y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA