為了瞭解agg這個函式 我們先以下資料集作為研究物件 （截圖的一部分）

agg：這裡一般都與groupby函式作為比較 

pandas引入了agg函式，它提供基於列的聚合操作。而groupby可以看做是基於行，或者說index的聚合操作

通過這裡介紹我們可以交接 groupby函式是基於行操作的 而agg是基於列操作的

這個說可能太抽象，什麼是行操作 什麼是列操作呢

最簡單的理解就是 基於行操作 我可以進行分類（比如一個班名單 所有180以上的是一組 160-180是一組 低於160是一組）如果實現這個過程 我們是每一行每一行就行查詢，檢視符合什麼條件 然後分組。這就是groupby函式最簡單的理解 而我們分好組以後 想得到每一組的平均值咋辦 一般我們是著用操作的 選擇一個組之後 把他們所有身高都加起來 然後除以該組人數。那麼問題來了 不管是身高和還是平均值 我們都是進行列操作的 即我們是從上至下加起來的 而不是從左到右。為了計算簡便 我們引入了agg函式。

import pandas as pd
import numpy as np

path_df_part_1 = r'C:\Users\yang\Desktop\ceshi.csv'   #時間11.22-11.27的資料

path_df = open(path_df_part_1, 'r')
try:
    df_part_1 = pd.read_csv(path_df, index_col = False, parse_dates = [0])
    df_part_1.columns = ['user_id','item_id','behavior_type','item_category']
finally:
    path_df.close()

df_part_1['cumcount'] = df_part_1.groupby(['user_id', 'behavior_type']).cumcount()#
df_part_1_u_b_count_in_6 = df_part_1.drop_duplicates(['user_id','behavior_type'], 'last') 
#相當於儲存的最大的那個計數的  因為 0 1 2 3 4 5 6 這些計數前面都是重複的  保留最後一個即可。drop_duplicate函式括號裡面的完全重複才算重複項
#完全重複就代表 user_id 與 behavior_type 完全相同 然後保留last最後u一個項

df_part_1_u_b_count_in_6 = pd.get_dummies(df_part_1_u_b_count_in_6['behavior_type']).join(df_part_1_u_b_count_in_6[['user_id','cumcount']])
#把1 2 3 4型別的進行熱編碼 變成0001 0010 0100 1000型別

df_part_1_u_b_count_in_6.rename(columns = {1:'behavior_type_1',
                                            2:'behavior_type_2',
                                           3:'behavior_type_3',
                                            4:'behavior_type_4'}, inplace=True)
#只是對熱編碼的columns重新命名  便於以後取值 因為分成了單獨的列了print(df_part_1)
df_part_1_u_b_count_in_6['u_b1_count_in_6'] = df_part_1_u_b_count_in_6['behavior_type_1'] * (df_part_1_u_b_count_in_6['cumcount']+1)#統計使用者點選操作總數
df_part_1_u_b_count_in_6['u_b2_count_in_6'] = df_part_1_u_b_count_in_6['behavior_type_2'] * (df_part_1_u_b_count_in_6['cumcount']+1)#統計使用者收藏操作總數
df_part_1_u_b_count_in_6['u_b3_count_in_6'] = df_part_1_u_b_count_in_6['behavior_type_3'] * (df_part_1_u_b_count_in_6['cumcount']+1)#統計使用者購物車操作總數
df_part_1_u_b_count_in_6['u_b4_count_in_6'] = df_part_1_u_b_count_in_6['behavior_type_4'] * (df_part_1_u_b_count_in_6['cumcount']+1)#統計使用者購買操作總數
★print(df_part_1_u_b_count_in_6)
df_part_1_u_b_count_in_6 = df_part_1_u_b_count_in_6.groupby('user_id').agg({'u_b1_count_in_6': np.sum,
                                                                             'u_b2_count_in_6': np.sum,
                                                                             'u_b3_count_in_6': np.sum,
                                                                             'u_b4_count_in_6': np.sum})



★ print(df_part_1_u_b_count_in_6)
 

為了更容易看懂程式 我們做了標記 第一個五角星輸出的是剛開始我們給的資料圖

第二個五角星輸出如下 

通過對比可以發現  以前  0 1 2 3資料的值 都統計在一個數據裡面了