pandas DataFrameGroupBy.agg 聚合函数使用详解
本文介绍pandas中DataFrameGroupBy对象的agg方法，演示如何对分组数据执行聚合操作。涵盖对每一行使用agg、多列应用多个聚合函数以及单列指定聚合函数的具体代码示例，帮助开发者掌握灵活的数据聚合技巧。
2026-10-13
18
本文介绍pandas中DataFrameGroupBy对象的agg方法，演示如何对分组数据执行聚合操作。涵盖对每一行使用agg、多列应用多个聚合函数以及单列指定聚合函数的具体代码示例，帮助开发者掌握灵活的数据聚合技巧。
本文使用Java Swing组件构建一个简易计算器。通过设置JFrame窗口，利用GridLayout网格布局排列数字与功能按钮，实现加减乘除、求平方根及退格等基础运算逻辑。代码展示了如何利用ActionEvent监听器捕获用户操作，并在文本框中动态显示计算结果与状态提示。
本文介绍如何利用 pandas 的 resample 方法对时间序列数据进行聚合处理。通过设置 datetime 索引，演示按年、月、日及自定义频率（如周、季度）提取数据，并结合 sum 与 fillna 实现具体列的汇总与缺失值填充，提供完整的代码示例供参考。
本文介绍如何在Python中将try-except捕获的异常详细信息输出到日志文件。通过结合traceback.format_exc()获取完整堆栈字符串，并利用logging模块配置日志文件路径，可实现错误信息的持久化记录，便于后续排查问题。
本文详细介绍Python pandas库中isnull()函数的使用方法。通过创建包含缺失值的DataFrame，演示isnull()如何返回布尔值矩阵以标识缺失位置。进一步结合any()和sum()方法，展示如何快速判断哪些列包含缺失值并统计每列缺失值的数量，帮助开发者高效处理数据清洗工作。
本文介绍如何在Python中使用prettytable库美化表格输出。通过add_row方法按行添加数据，或按add_column方法按列添加数据，并演示如何自定义表头、设置列对齐方式（如左对齐、右对齐），帮助开发者生成清晰易读的终端表格。
本文提供三种基于Shell脚本在Linux环境下自动安装Python3的完整方案，涵盖Python 3.6.1、3.6.6及3.7.0版本。脚本自动处理依赖包安装、源码下载编译、路径配置及软链接创建，适用于CentOS等主流发行版，帮助开发者快速搭建Python运行环境。
本文介绍在Python Pandas中处理DataFrame NaN值的方法。通过示例展示如何合并数据产生NaN，并使用where方法结合notnull()将NaN替换为None或其他指定值，帮助开发者进行数据清洗。
本文深入解析Python中h5py库的应用，对比numpy、scipy及pickle等存储方式。通过具体代码示例展示如何创建、读写HDF5文件，重点介绍dataset与group的使用方法及h5py在速度与压缩效率上的优势，适用于大规模科学数据存储场景。
本文介绍如何利用Python调用百度AI接口实现图片识别与翻译功能。通过监听快捷键截取屏幕图像，利用百度OCR接口提取文字，并结合有道词典进行翻译。文章提供了完整的代码示例，涵盖截图、图片保存、API调用及结果解析等关键步骤，帮助开发者快速实现自动化图文处理流程。
在SQL Server中还原或删除数据库时，常因“正在使用”导致无法获取独占访问权的错误。本文介绍通过T-SQL语句 `ALTER DATABASE [dbname] SET OFFLINE WITH ROLLBACK IMMEDIATE` 强制断开所有连接，并恢复在线，从而顺利执行还原或删除操作的方法，无需重启服务。
本文详细解析Python中深拷贝与浅拷贝的核心区别。通过对比直接赋值、list.copy()、copy.copy()及copy.deepcopy()四种方式，结合内存地址与子对象变化示例，阐明父对象与子对象的拷贝行为差异，帮助开发者避免可变对象引用的潜在Bug。