pandas.core.window.rolling.Rolling.aggregate#

Rolling.агрегировать(функция, *args, **kwargs)[источник]#

Агрегировать с использованием одной или нескольких операций по указанной оси.

Параметры:
функцияфункция, строка, список или словарь

Функция для агрегирования данных. Если используется функция, она должна работать либо при передаче Series/Dataframe, либо при передаче в Series/Dataframe.apply.

Допустимые комбинации:

  • функция

  • имя строковой функции

  • список функций и/или имён функций, например [np.sum, 'mean']

  • словарь меток осей -> функции, имена функций или список таких.

*args

Позиционные аргументы для передачи в функция.

**kwargs

Именованные аргументы для передачи в функция.

Возвращает:
скаляр, Series или DataFrame

Возвращаемое значение может быть:

  • скаляр: когда Series.agg вызывается с одной функцией

  • Series: при вызове DataFrame.agg с одной функцией

  • DataFrame : когда DataFrame.agg вызывается с несколькими функциями

Смотрите также

pandas.Series.rolling

Вызов объекта с данными Series.

pandas.DataFrame.rolling

Вызов объекта с данными DataFrame.

Примечания

Операции агрегации всегда выполняются по оси, либо по индексу (по умолчанию), либо по оси столбцов. Это поведение отличается от numpy функции агрегации (mean, медиана, prod, sum, std, var), где по умолчанию вычисляется агрегация сглаженного массива, например, numpy.mean(arr_2d) в отличие от numpy.mean(arr_2d, axis=0).

agg является псевдонимом для агрегировать. Используйте псевдоним.

Функции, изменяющие переданный объект, могут вызывать неожиданное поведение или ошибки и не поддерживаются. См. Изменение с помощью методов пользовательских функций (UDF) для получения дополнительной информации.

Переданная пользовательская функция получит Series для оценки.

Примеры

>>> 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.rolling(2).sum()
     A     B     C
0  NaN   NaN   NaN
1  3.0   9.0  15.0
2  5.0  11.0  17.0

>>> df.rolling(2).agg({"A": "sum", "B": "min"})
     A    B
0  NaN  NaN
1  3.0  4.0
2  5.0  5.0