pandas.core.window.expanding.Expanding.aggregate#
- Expanding.aggregate(func, *args, **kwargs)[源代码]#
沿指定轴使用一个或多个操作进行聚合。
- Parameters:
- funcfunction, str, list 或 dict
用于聚合数据的函数。如果为函数，则必须能够接受 Series/Dataframe 或传递给 Series/Dataframe.apply。
可接受的组合有：
function
字符串函数名
函数和/或函数名的列表，例如
[np.sum, 'mean']轴标签 -> 函数、函数名或其列表的字典。
- *args
传递给 func 的位置参数。
- **kwargs
传递给 func 的关键字参数。
- Returns:
- scalar, Series 或 DataFrame
返回值可以是：
scalar ：当 Series.agg 用单个函数调用时
Series ：当 DataFrame.agg 用单个函数调用时
DataFrame ：当 DataFrame.agg 用多个函数调用时
参见
pandas.DataFrame.aggregate类似的 DataFrame 方法。
pandas.Series.aggregate类似的 Series 方法。
Notes
聚合操作始终在某个轴上执行，可以是索引轴（默认）或列轴。此行为与 numpy 聚合函数（mean、median、prod、sum、std、var）不同，后者默认计算展平数组的聚合，例如
numpy.mean(arr_2d)而不是numpy.mean(arr_2d, axis=0)。agg 是 aggregate 的别名。请使用别名。
修改传入对象的函数可能会导致意外行为或错误，因此不受支持。有关详细信息，请参阅 使用用户定义函数 (UDF) 方法进行变异 。
传入的用户定义函数将接收一个 Series 进行计算。
Examples
>>> df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6], "C": [7, 8, 9]}) >>> df A B C 0 1 4 7 1 2 5 8 2 3 6 9
>>> df.ewm(alpha=0.5).mean() A B C 0 1.000000 4.000000 7.000000 1 1.666667 4.666667 7.666667 2 2.428571 5.428571 8.428571