设为首页收藏本站
开启辅助访问

【Python数据分析】Pandas

 您所在的位置：网站首页 › pandas用于分组聚合的函数是 › 【Python数据分析】Pandas

【Python数据分析】Pandas

2024-07-17 02:45| 来源: 网络整理| 查看: 265

文章目录 创建groupby分组对象查看分组结果1) groups查看分组结果2) 多个列标签分组 遍历分组数据应用聚合函数组的转换操作组的数据过滤操作 在数据分析中，经常会遇到这样的情况：根据某一列（或多列）标签把数据划分为不同的组别，然后再对其进行数据分析。比如，某网站对注册用户的性别或者年龄等进行分组，从而研究出网站用户的画像（特点）。在 Pandas 中，要完成数据的分组操作，需要使用 groupby() 函数，它和 SQL 的 GROUP BY操作非常相似。

在划分出来的组（group）上应用一些统计函数，从而达到数据分析的目的，比如对分组数据进行聚合、转换，或者过滤。这个过程主要包含以下三步：

拆分（Spliting）：表示对数据进行分组；应用（Applying）：对分组数据应用聚合函数，进行相应计算；合并（Combining）：最后汇总计算结果。

下面对 groupby() 函数的应用过程进行具体的讲解。

首先我们创建一个 DataFrame 对象，下面数据描述了某班学生，计算机选修课的考试成绩：

import pandas as pd import numpy as np data = {'Name': ['John', 'Helen', 'Sona', 'Ella'], 'score': [82, 98, 91, 87], 'option_course': ['C#','Python','Java','C']} df = pd.DataFrame(data) print(df)

输出结果：

Name score option_course 0 John 82 C# 1 Helen 98 Python 2 Sona 91 Java 3 Ella 87 C 创建groupby分组对象

使用 groupby() 可以沿着任意轴分组。您可以把分组时指定的键（key）作为每组的组名，方法如下所示：

df.groupby(“key”)df.groupby(“key”,axis=1)df.groupby([“key1”,“key2”])

通过上述方法对 DataFrame 对象进行分组操作：

import pandas as pd import numpy as np data = {'Name': ['John', 'Helen', 'Sona', 'Ella'], 'score': [82, 98, 91, 87], 'option_course': ['C#','Python','Java','C']} df = pd.DataFrame(data) print(df) #生成分组groupby对象 print(df.groupby('score'))

输出结果：

查看分组结果 1) groups查看分组结果

通过调用groups属性查看分组结果：

import pandas as pd import numpy as np data = {'Name': ['John', 'Helen', 'Sona', 'Ella'], 'score': [82, 98, 91, 87], 'option_course': ['C#','Python','Java','C']} df = pd.DataFrame(data) #查看分组 print(df.groupby('score').groups)

输出结果：

{82: Int64Index([0], dtype='int64'), 87: Int64Index([3], dtype='int64'), 91: Int64Index([2], dtype='int64'), 98: Int64Index([1], dtype='int64')} 2) 多个列标签分组

当然也可以指定多个列标签进行分组，示例如下：

import pandas as pd import numpy as np data = {'Name': ['John', 'Helen', 'Sona', 'Ella'], 'score': [82, 98, 91, 87], 'option_course': ['C#','Python','Java','C']} df = pd.DataFrame(data) #查看分组 print(df.groupby(['Name','score']).groups)

输出结果：

{('Ella', 87): Int64Index([3], dtype='int64'), ('Helen', 98): Int64Index([1], dtype='int64'), ('John', 82): Int64Index([0], dtype='int64'), ('Sona', 91): Int64Index([2], dtype='int64')}

通过 get_group() 方法可以选择组内的具体数据项：

import pandas as pd import numpy as np data = {'Name': ['John', 'Helen', 'Sona', 'Ella'], 'score': [82, 98, 91, 87], 'option_course': ['C#','Python','Java','C']} df = pd.DataFrame(data) #根据score来分组 grouped=df.groupby('score') #根据对应组的数据值，选择一个组 print(grouped.get_group(91))

输出结果：

Name score option_course 2 Sona 91 Java 遍历分组数据

通过以下方法来遍历分组数据，示例如下：

import pandas as pd import numpy as np data = {'Name': ['John', 'Helen', 'Sona', 'Ella'], 'score': [82, 98, 91, 87], 'option_course': ['C#','Python','Java','C']} df = pd.DataFrame(data) #查看分组 grouped=df.groupby('score') for label, option_course in grouped: #其中key代表分组后字典的键，也就是score print(label) #字典对应的值选修的科目 print(option_course)

输出结果：

82 Name score option_course 0 John 82 C# 87 Name score option_course 3 Ella 87 C 91 Name score option_course 2 Sona 91 Java 98 Name score option_course 1 Helen 98 Python

如上所示， groupby 对象的组名称与 score 中的的元素值一一对应。

应用聚合函数

当您在创建 groupby 对象时，通过 agg() 函数可以对分组对象应用多个聚合函数：

import pandas as pd import numpy as np data = {'name': ['John', 'Helen', 'Sona', 'Ella'], 'score': [82, 98, 91, 87], 'option_course': ['C#','Python','Java','C']} df = pd.DataFrame(data) grouped=df.groupby('name') #应用一个聚合函数求均值 print(grouped['score']).agg(np.mean)

输出结果：

name Ella 87 Helen 98 John 82 Sona 91 Name: score, dtype: int64

当然，您也可以一次性应有多个聚合函数，示例如下：

import pandas as pd import numpy as np data = {'name': ['John', 'Helen', 'Sona', 'Ella'], 'score': [82, 98, 91, 87], 'option_course': ['C#','Python','Java','C']} df = pd.DataFrame(data) grouped=df.groupby('name') print(grouped['score'].agg([np.size,np.mean,np.std]))

输出结果：

size mean std name Ella 1 87 NaN Helen 1 98 NaN John 1 82 NaN Sona 1 91 NaN 组的转换操作

在组的行或列上可以执行转换操作，最终会返回一个与组大小相同的索引对象。示例如下：

import pandas as pd import numpy as np df = pd.DataFrame({'种类':['水果','水果','水果','蔬菜','蔬菜','肉类','肉类'], '产地':['朝鲜','中国','缅甸','中国','菲律宾','韩国','中国'], '水果':['橘子','苹果','哈密瓜','番茄','椰子','鱼肉','牛肉'], '数量':[3,5,5,3,2,15,9], '价格':[2,5,12,3,4,18,20]}) #分组求均值，水果、蔬菜、肉类 #对可执行计算的数值列求均值 print(df.groupby('种类').transform(np.mean)) #transform()直接应用demean，实现去均值操作 demean = lambda arr:arr-arr.mean() print(df.groupby('种类').transform(demean)) #自定义函数 # 返回分组的前n行数据 def get_rows(df,n): #从1到n行的所有列 return df.iloc[:n,:] #分组后的组名作为行索引 print(df.groupby('种类').apply(get_rows,n=1))

输出结果：

数量 价格 0 4.333333 6.333333 1 4.333333 6.333333 2 4.333333 6.333333 3 2.500000 3.500000 4 2.500000 3.500000 5 12.000000 19.000000 6 12.000000 19.000000 数量 价格 0 -1.333333 -4.333333 1 0.666667 -1.333333 2 0.666667 5.666667 3 0.500000 -0.500000 4 -0.500000 0.500000 5 3.000000 -1.000000 6 -3.000000 1.000000 种类 产地 水果 数量 价格 种类 水果 0 水果 朝鲜 橘子 3 2 肉类 5 肉类 韩国 鱼肉 15 18 蔬菜 3 蔬菜 中国 番茄 3 3 组的数据过滤操作

通过 filter() 函数可以实现数据的筛选，该函数根据定义的条件过滤数据并返回一个新的数据集。

下面，筛选出参加比赛超过两次的球队（包含两次）：

import pandas as pd import numpy as np data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings', 'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'], 'Rank': [1, 2, 2, 3, 3,4 ,1 ,1,2 , 4,1,2], 'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017], 'Points':[874,789,863,663,741,802,756,788,694,701,812,698]} df = pd.DataFrame(data) #定义lambda函数来筛选数据 print (df.groupby('Team').filter(lambda x: len(x) >= 2))

输出结果：

Team Rank Year Points 0 Riders 1 2014 874 1 Riders 2 2015 789 4 Kings 3 2014 741 6 Kings 1 2016 756 7 Kings 1 2017 788 8 Riders 2 2016 694 11 Riders 2 2017 698

参考：C语言中文网



【本文地址】


今日新闻

推荐新闻

CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3