python聚合函数,Python聚合

MySQL聚合函数

很多时候，我们查询数据的时候都不会把明细数据查询出来，那样一般意义也不大。更多的时候是根据业务需求，把数据聚合成业务能直接使用的数据。MYSQL中有5个聚合函数，如下面5个，用的最多的还是count和sum，下面分别介绍一下用法。

专注于为中小企业提供成都网站设计、成都网站建设服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业北戴河免费做网站提供优质的服务。我们立足成都，凝聚了一批互联网行业人才，有力地推动了上千多家企业的稳健成长，帮助中小企业通过网站建设实现规模扩充和转变。

【COUNT】

在MySQL中，COUNT()函数统计数据表中包含的记录行的总数，或者根据查询结果返回列中包含的数据行数，使用方法有以下两种：

求order表中，查询一共有多少条订单数，SQL语句如下↓

【SUM】

在MySQL中，SUM()是一个求总和的函数，返回指定列值的总和。

求order表中所有产品销售数量，SQL语句如下↓

【AVG】

在MySQL中，AVG()函数通过计算返回的行数和每一行数据的和，求得指定列数据的平均值。

求order表中，2021年所有产品的平均单价，SQL语句如下↓

【MAX/MIN】

在MySQL中，MAX()函数是用来返回指定列中的最大值。

求order表中，查询最大的单价价格，SQL预计如下↓

在MySQL中，MIN()函数是用来返回指定列中的最小值。

求order表中，查询最小的单价价格，SQL预计如下↓

【结合GROUP BY】

正常情况下，聚合函数都是搭配着GROUP BY来使用的。可以是按省份聚合、产品聚合、时间聚合等等。下面演示每个品牌最低单价的聚合，其他几个聚合函数使用方式一样，SQL语句如下↓

还可以用ORDER BY排个序，求每个品牌累计销售价格的SQL语句，从高到低排序↓

End

◆ PowerBI开场白

◆ Python高德地图可视化

◆ Python不规则条形图

Python分组

前言分组原理

核心：

1.不论分组键是数组、列表、字典、Series、函数，只要其与待分组变量的轴长度一致都可以传入groupby进行分组。

2.默认axis=0按行分组，可指定axis=1对列分组。

对数据进行分组操作的过程可以概括为：split-apply-combine三步：

1.按照键值（key）或者分组变量将数据分组。

2.对于每组应用我们的函数，这一步非常灵活，可以是python自带函数，可以是我们自己编写的函数。

3.将函数计算后的结果聚合。

1 分组模式及其对象

1.1 分组的一般模式

三个要素:分组依据、数据来源、操作及其返回结果

df.groupby(分组依据)[数据来源].使用操作

1.2 分组依据的本质

1.3Groupby 对象

通过 ngroups 属性，可以访问分为了多少组:

通过 groups 属性，可以返回从 组名映射到 组索引列表的字典:

当 size 作为 DataFrame 的属性时，返回的是表长乘以表宽的大小，但在 groupby 对象上表示统计每个组的 元素个数:

通过 get_group 方法可以直接获取所在组对应的行，此时必须知道组的具体名字:

1.4 分组的三大操作

分组的三大操作:聚合、变换和过滤

2.聚合函数

2.1内置聚合函数

包括如下函数: max/min/mean/median/count/all/any/idxmax/idxmin/mad/nunique/skew/quantile/sum/std/var/sem/size/prod

2.2agg 方法

【a】使用多个函数

当使用多个聚合函数时，需要用列表的形式把内置聚合函数的对应的字符串传入，先前提到的所有字符串都是合法的。

【b】对特定的列使用特定的聚合函数

对于方法和列的特殊对应，可以通过构造字典传入 agg 中实现，其中字典以列名为键，以聚合字符串或字符串列表为值。

【c】使用自定义函数

在 agg 中可以使用具体的自定义函数，需要注意传入函数的参数是之前数据源中的列，逐列进行计算

【d】聚合结果重命名 如果想要对结果进行重命名，只需要将上述函数的位置改写成元组，元组的第一个元素为新的名字，第二个位置为原来的函数，包括聚合字符串和自定义函数

3 变换和过滤

3.1 变换函数与 transform 方法

变 换 函 数 的 返 回 值 为 同 长 度 的 序 列， 最 常 用 的 内 置 变 换 函 数 是 累 计 函 数:cum- count/cumsum/cumprod/cummax/cummin ，它们的使用方式和聚合函数类似，只不过完成的是组内 累计操作。

3.2 组索引与过滤

过滤在分组中是对于组的过滤，而索引是对于行的过滤

组过滤作为行过滤的推广，指的是如果对一个组的全体所在行进行统计的结果返回 True 则会被保留，False 则该组会被过滤，最后把所有未被过滤的组其对应的所在行拼接起来作为 DataFrame 返回。

在 groupby 对象中，定义了 filter 方法进行组的筛选，其中自定义函数的输入参数为数据源构成的 DataFrame 本身，在之前例子中定义的 groupby 对象中，传入的就是 df[['Height', 'Weight']] ，因此所有表方法和属性 都可以在自定义函数中相应地使用，同时只需保证自定义函数的返回为布尔值即可。

4 跨列分组

4.1 apply 的引入

4.2 apply 的使用

在设计上，apply 的自定义函数传入参数与 filter 完全一致，只不过后者只允许返回布尔值

【a】标量情况:结果得到的是 Series ，索引与 agg 的结果一致

【b】Series 情况:得到的是 DataFrame ，行索引与标量情况一致，列索引为 Series 的索引

【c】DataFrame 情况:得到的是 DataFrame ，行索引最内层在每个组原先 agg 的结果索引上，再加一层返 回的 DataFrame 行索引，同时分组结果 DataFrame 的列索引和返回的 DataFrame 列索引一致

Python聚合函数使用

#encoding=utf-8

def getRows():

names = ["A", "B"]

rows = [

[1, 'm'],

[2, 'm'],

[3, 'q'],

[3, 'q'],

[2, 'q'],

[1, 's'],

[4, 's'],

[2, 's'],

[1, 's'],

[3, 'm']

]

rs = []

for row in rows:

rs.append(dict(zip(names, row)))

return rs

def count():

rs = getRows()

# 取所有B=m的行

rs = [r for r in rs if r["B"] == 'm']

rs = sorted(rs, key=lambda r: r["B"])

# 计算数量

result = {}

for r in rs:

if r["A"] in result:

result[r["A"]] += 1

else:

result[r["A"]] = 1

return result

print count()

python函数组求各个极值的问题

你把遍历的结果放到一个列表里面，便利结束后求列表里的最大值就行了

ls=[]

for i in range(xxx):

ls.append(func)

max_value = max(ls)

python实现聚合函数功能

#encoding=utf-8

def getRows():

names = ["A", "B"]

rows = [

[1, 'm'],

[2, 'm'],

[3, 'q'],

[3, 'q'],

[2, 'q'],

[1, 's'],

[4, 's'],

[2, 's'],

[1, 's'],

[3, 'm']

]

rs = []

for row in rows:

rs.append(dict(zip(names, row)))

return rs

def count():

rs = getRows()

# 取所有B=m的行

rs = [r for r in rs if r["B"] == 'm']

rs = sorted(rs, key=lambda r: r["B"])

# 计算数量

result = {}

for r in rs:

if r["A"] in result:

result[r["A"]] += 1

else:

result[r["A"]] = 1

return result

print count()