Data Science Academy · Lekcja

Wiele agregacji za pomocą agg

Różne funkcje dla poszczególnych kolumn

Wiele agregacji za pomocą agg to bezpłatna lekcja Data Science Academy na CoddyKit. To lekcja 2 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Data Science Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Data Science Academy zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

Why One Number Is Not Enough

A single mean hides a lot. With agg you can request several summaries at once and see the fuller picture.

Meet agg

The agg method takes a list of functions and runs every one of them on each group in a single pass.

df.groupby("city")["sales"].agg(["mean", "max"])

A List of Function Names

Pass plain strings like "sum" or "min", and pandas maps each to its built-in aggregation for you.

g.agg(["sum", "min", "max"])

Each Function Becomes a Column

With a list of functions, the result gains one column per function, neatly side by side for comparison.

Different Functions Per Column

Pass a dictionary to apply different aggregations to different columns in the very same call.

df.groupby("city").agg({"sales": "sum", "age": "mean"})

Name Your Output Columns

Named aggregation lets you label results clearly, so you never guess what each output column means.

g.agg(total=("sales", "sum"))

Use Your Own Function

Any function returning one value works, so a custom lambda can compute a range or anything you like.

g.agg(lambda s: s.max() - s.min())

Mixing Built-ins and Custom

Inside one list you can blend string names with your own callables; pandas applies each to every group.

g.agg(["mean", lambda s: s.std()])

Aggregating Many Columns at Once

Skip selecting a column and agg runs across every numeric column, giving a wide summary table.

df.groupby("city").agg("mean")

Reset the Index to Flatten

Call reset_index afterward to turn the group keys back into normal columns for easy charting or merging.

result.reset_index()

Read the Result Carefully

When functions and columns multiply, you get a MultiIndex on columns; read it as (column, function) pairs.

Quick Check

You want sum on one column and mean on another. What do you pass to agg?

Recap: agg Is Your Swiss Knife

You can now stack many summaries, mix built-ins with custom functions, and name outputs, all through one flexible agg call. 🛠️

Często zadawane pytania

Czy lekcja „Wiele agregacji za pomocą agg” jest bezpłatna?

Tak — pełny tekst „Wiele agregacji za pomocą agg” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Data Science Academy, przejdź na CoddyKit PRO. Kurs Data Science Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Wiele agregacji za pomocą agg”?

Różne funkcje dla poszczególnych kolumn Ćwiczysz Data Science Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć Data Science Academy?

Nie wymagamy żadnego doświadczenia. Data Science Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 2 z 4.

Ile czasu zajmuje lekcja „Wiele agregacji za pomocą agg”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji Data Science Academy?

Tak. Każda lekcja Data Science Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

← Powrót do Data Science Academy