agg函数是Pandas库中的一个重要函数，用于对数据进行聚合操作。本文将从多个方面对Python的agg函数进行详细阐述。
一、agg函数概述
agg函数是DataFrame对象的一个方法，用于对数据进行聚合操作。通过传入不同的聚合函数或自定义函数，我们可以对数据进行各种统计和计算。
import pandas as pd
# 创建示例数据
data = {'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick'],
'Age': [28, 32, 25, 28, 32],
'Score': [80, 90, 85, 82, 88]}
df = pd.DataFrame(data)
# 使用agg函数计算平均值和总和
result = df.agg(['mean', 'sum'])
print(result)
上述代码中，我们创建了一个包含姓名、年龄和成绩的DataFrame对象，并使用agg函数计算了平均值和总和。运行结果如下：
Name Age Score
mean NaN 29.0 85.0
sum NaN 145.0 425.0
二、常用的聚合函数
agg函数支持多种常用的聚合函数，包括求和（sum）、平均值（mean）、最大值（max）、最小值（min）等。
# 使用agg函数计算各列的平均值和总和
result = df.agg({'Age': ['mean', 'sum'], 'Score': ['mean', 'sum']})
print(result)
上述代码中，我们使用agg函数对年龄和成绩列分别求取平均值和总和。运行结果如下：
Age Score
mean 29.0 85.0
sum 145.0 425.0
三、自定义函数
除了常用的聚合函数外，agg函数还支持自定义函数。我们可以根据自己的需求编写函数，并传入agg函数进行计算。
# 自定义函数，计算字符串长度的平均值和总和
def avg_len(s):
return s.str.len().mean()
def sum_len(s):
return s.str.len().sum()
# 使用agg函数应用自定义函数
result = df.agg({'Name': [avg_len, sum_len]})
print(result)
上述代码中，我们定义了两个自定义函数avg_len和sum_len，分别用于计算字符串长度的平均值和总和。然后使用agg函数对姓名列应用这两个自定义函数。运行结果如下：
Name
avg_len 3.4
sum_len 17.0
四、分组聚合
除了对整个数据进行聚合外，agg函数还可以通过分组参数进行分组聚合操作。我们可以通过指定分组列，对数据进行分组后再进行聚合计算。
# 使用agg函数进行分组聚合
result = df.groupby('Name').agg({'Age': 'mean', 'Score': 'sum'})
print(result)
上述代码中，我们通过agg函数对姓名列进行分组聚合，计算了不同姓名的年龄平均值和成绩总和。运行结果如下：
Age Score
Name
John 25 85
Nick 32 178
Tom 28 162
五、多个聚合函数
agg函数还支持同时使用多个聚合函数进行计算。我们可以通过使用列表来传入多个聚合函数。
# 使用agg函数同时计算平均值和总和
result = df.agg({'Age': ['mean', 'sum'], 'Score': ['mean', 'sum']})
print(result)
上述代码中，我们使用agg函数同时计算了年龄和成绩列的平均值和总和。运行结果如下：
Age Score
mean 29.0 85.0
sum 145.0 425.0
六、总结
本文详细介绍了Python的agg函数的使用方法和应用场景。通过agg函数，我们可以方便地进行数据的聚合操作，包括常见的聚合函数和自定义函数等。同时，agg函数还支持分组聚合和同时使用多个聚合函数进行计算。这些功能使得我们能够更灵活、高效地处理数据。