Python數(shù)據(jù)分析基礎(chǔ)與應(yīng)用電子活頁6-7應(yīng)用Pandas的聚合函數(shù)

Python數(shù)據(jù)分析基礎(chǔ)與應(yīng)用模塊電子活頁6-7應(yīng)用pandas的聚合函數(shù)【技能訓(xùn)練6-16】應(yīng)用pandas的聚合函數(shù)【訓(xùn)練要求】在JupyterNotebook開發(fā)環(huán)境中創(chuàng)建j6-16.ipynb，然后編寫代碼對2022年1月1日到2022年1月10日長沙市的最高氣溫、最低氣溫、空氣質(zhì)量指數(shù)應(yīng)用pandas的聚合函數(shù)?！緦?shí)施過程】1．使用aggregate()函數(shù)對DataFrame對象的所有列數(shù)據(jù)執(zhí)行聚合操作代碼如下：importpandasaspdimportnumpyasnp#生成時(shí)間序列data1=[[12,1,167],[15,4,145],[12,8,123],[12,6,212],[7,5,104],[6,5,61],[7,6,54],[6,3,70],[10,5,101],[9,3,78]]df1=pd.DataFrame(data1,index=pd.date_range('1/1/2022',periods=10),columns=['highT','lowT','AQI'])#窗口大小為3，min_periods最小觀測值為1r1=df1.rolling(window=3,min_periods=1)#使用aggregate()函數(shù)執(zhí)行聚合操作r1.aggregate(np.sum)輸出結(jié)果：2．使用aggregate()函數(shù)對DataFrame對象的單列數(shù)據(jù)執(zhí)行聚合操作代碼如下：#對lowT列數(shù)據(jù)執(zhí)行聚合操作r1['lowT'].aggregate(np.sum)輸出結(jié)果：3．使用aggregate()函數(shù)對DataFrame對象的多列數(shù)據(jù)執(zhí)行聚合操作代碼如下：#對highT、lowT兩列數(shù)據(jù)執(zhí)行聚合操作r1['highT','lowT'].aggregate(np.sum)輸出結(jié)果：4．使用aggregate()函數(shù)對DataFrame對象的多列數(shù)據(jù)應(yīng)用多個(gè)函數(shù)執(zhí)行聚合操作代碼如下：#對highT、lowT兩列數(shù)據(jù)應(yīng)用多個(gè)不同函數(shù)執(zhí)行聚合操作r1['highT','lowT'].aggregate([np.sum,np.mean])輸出結(jié)果：5．使用aggregate()函數(shù)對DataFrame對象的多列數(shù)據(jù)應(yīng)用不同函數(shù)執(zhí)行聚合操作代碼如下：#對highT、lowT兩列數(shù)據(jù)分別應(yīng)用不同函數(shù)執(zhí)行聚