SQL在DataFrame中的聚合函数有哪些

在Python的pandas库中，DataFrame对象支持多种SQL类似的聚合函数

1. count(): 计算每个分组中的行数。
2. sum(): 计算每个分组中指定列的和。
3. mean(): 计算每个分组中指定列的平均值。
4. median(): 计算每个分组中指定列的中位数。
5. min(): 计算每个分组中指定列的最小值。
6. max(): 计算每个分组中指定列的最大值。
7. std(): 计算每个分组中指定列的标准差。
8. var(): 计算每个分组中指定列的方差。
9. sem(): 计算每个分组中指定列的标准误差。
10. first(): 返回每个分组中指定列的第一个值。
11. last(): 返回每个分组中指定列的最后一个值。
12. nth(): 返回每个分组中指定列的第n个值。
13. nunique(): 计算每个分组中指定列的唯一值的数量。

这些聚合函数可以与groupby()方法结合使用，以按照一个或多个列对数据进行分组并应用聚合操作。例如：

import pandas as pd

# 创建一个示例DataFrame
data = {'A': ['foo', 'bar', 'baz', 'foo', 'bar', 'baz'],
        'B': [1, 2, 3, 4, 5, 6],
        'C': [2.0, 3.0, 4.0, 5.0, 6.0, 7.0]}
df = pd.DataFrame(data)

# 使用groupby()和agg()方法对数据进行分组和聚合
grouped = df.groupby('A').agg({'B': 'sum', 'C': 'mean'})
print(grouped)

输出结果：

     B    C
A         
bar  7  4.5
baz  9  5.5
foo  5  3.5

在这个例子中，我们首先根据列’A’对数据进行分组，然后计算每个分组中列’B’的和以及列’C’的平均值。