在本实验中，你将学习如何在 pandas 库中使用 agg() 方法对 DataFrame 中的数据进行聚合。该方法允许你在指定的轴（如行或列）上执行一个或多个操作，并根据选择的函数返回标量、Series 或 DataFrame。
虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，随时可以向 Labby 寻求帮助。请在实验结束后提供反馈，我们将及时为你解决问题。
首先，你需要使用 import 语句导入 pandas 库：
import pandas as pd接下来，创建一个 DataFrame 对象以便进行操作。你可以使用 pd.DataFrame() 函数从列表或数组中创建 DataFrame。以下是一个示例：
df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=['A', 'B', 'C'])要对 DataFrame 使用单一函数进行聚合，可以使用 agg() 方法。通过指定字符串函数名称或函数对象来定义要应用于行的函数。以下是一个示例：
print("Printing the sum of values in DataFrame")
print(df.agg(["sum"]))要对 DataFrame 使用单一函数对列进行聚合，将 axis 参数设置为 'columns'。这将使函数应用于每一列而不是每一行。以下是一个示例：
print("Printing the minimum value in DataFrame")
print(df.agg(["min"], axis='columns'))你也可以使用函数列表对 DataFrame 进行聚合。这允许你对行或列执行多个操作。以下是一个示例：
print("Printing sum and min of the DataFrame with default axis")
print(df.agg(["sum", "min"]))为了更灵活地操作，你可以将列名和对应函数的字典传递给 agg() 方法。这允许你对不同的列应用不同的函数。以下是一个示例：
print("Printing different aggregation functions over the columns")
print(df.agg({'A': ["sum"], 'B': ["min", "max"], 'C': ["count"]}))在本实验中，你学习了如何在 pandas 中使用 agg() 方法对 DataFrame 中的数据进行聚合。你现在已经掌握了如何对 DataFrame 的行和列应用单一或多个函数。此方法对于在数据上执行各种聚合操作非常有用。尝试使用不同的函数和轴来分析和总结你的 DataFrame。祝你分析愉快！