pandas（七） -- 数据分组

数据分组官方文档
分组统计 - groupby功能

根据某些条件将数据拆分成组
对每个组单独使用函数
将结果合并到一个数据结构中

根据单列或多列分组 .groupby()
分组后的对象执行数值计算函数 .sum(),.mean()…
分组后对象同时使用多个函数 --agg()。

df.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)

参数：

by 标签（label）或标签列表
axis 默认值为0
level MultiIndex时有效
as_index 布尔型值默认是True – 使用grouped的标签作为index.若为False – grouped的标签仍为标签，会新生成0~n-1的index.
sort 是否对grouped的标签排序

返回的是GroupBy 对象。通过list()，查看具体内容

df

经过group方法后，得到的是groupby对象，是一个中间数据，没有进行计算

a = df.groupby('A').mean()#单列整合
b = df.groupby(['A','B']).mean()#多列整合

c = df.groupby(['A'])['D'].mean()  # 以A分组，算D的平均值.返回的是Series对象

使用list()将groupby对象变成列表对象，可查看具体内容

list(df.groupby('A'))

列表是两个元组对象。每个元组包含‘A’的标签名和相应的DataFrame或Series。

[('bar',      A      B         C        D1  bar    one  0.953897  0.263753  bar  three  0.190113  1.011155  bar    two  0.941511 -0.51730), ('foo',      A      B         C         D0  foo    one  1.119704 -0.7421482  foo    two  0.643483 -1.1474054  foo    two -0.952974 -0.4342416  foo    one -0.421435  0.9337917  foo  three -0.042118  0.641683)]

get_group()
df.groupby(['A']).get_group('bar')与list(df.groupby('A'))[0][1]相同
.groups：将分组后的groups转为dict
分组计算函数方法

grouped = df.groupby(['A'])
print(grouped)
print(grouped.first(),'→ first：非NaN的第一个值\n')
print(grouped.last(),'→ last：非NaN的最后一个值\n')
print(grouped.sum(),'→ sum：非NaN的和\n')
print(grouped.mean(),'→ mean：非NaN的平均值\n')
print(grouped.median(),'→ median：非NaN的算术中位数\n')
print(grouped.count(),'→ count：非NaN的值\n')
print(grouped.min(),'→ min、max：非NaN的最小值、最大值\n')
print(grouped.std(),'→ std，var：非NaN的标准差和方差\n')
print(grouped.prod(),'→ prod：非NaN的积\n')

多函数计算：agg()

函数写法可以用str，或者np.方法
求均值和求和

可以通过list，dict传入，当用dict时，key名为columns → 更新pandas后会出现警告

 df.groupby('A')['C'].agg({'result1':np.mean,'result2':np.sum})

pandas（七） -- 数据分组相关推荐

python筛选数据求均值_Python Pandas实现数据分组求平均值并填充nan的示例
Python实现按某一列关键字分组,并计算各列的平均值,并用该值填充该分类该列的nan值. DataFrame数据格式 fillna方式实现 groupby方式实现 DataFrame数据格式以下是 ...
pandas学习(数据分组与分组运算、离散化处理、数据合并)
pandas学习(数据分组与分组运算.离散化处理.数据合并) 目录数据分组与分组运算离散化处理数据合并数据分组与分组运算 GroupBy技术:实现数据的分组,和分组运算,作用类似于数据透视表数 ...
pandas groupby count_数据分析14-利用pandas进行数据分组
目标: 学会利⽤pandas对数据进⾏分组知道如何提取分组后的数据可以按多列进⾏分组能够对分组后数据进⾏统计计算测试数据集: 链接:https://pan.baidu.com/s/1QvY-Q ...
小白学 Python 数据分析（7）：Pandas 数据分组
引言各位同学好呀,我又出来了,本篇文章我们介绍下 Pandas 的数据分组. 本文用的数据集再次做更换,有同学在后台问小编为什么最近每篇文章都在换数据集. emmmmmmmm,在小白刚入门的时候,很 ...
python transform_Pandas的数据分组-transform函数
31. Pandas的数据分组-transform函数 pandas有些函数在不同的版本下可能使用功能有些不同,这是个麻烦事情.查看pandas的版本. $ python >>> i ...
数据分析第七讲 pandas练习数据的合并、分组聚合、时间序列、pandas绘图
文章目录数据分析第七讲 pandas练习数据的合并和分组聚合一.pandas-DataFrame 练习1 对于这一组电影数据,如果我们想runtime(电影时长)的分布情况,应该如何呈现数据? ...
Pandas简明教程：七、Pandas缺失数据的处理（数据清洗基础）
文章目录 1.缺失数据的类型 2.定位缺失数据 3.修改定位数据 4.批量修改缺失数据 5.数据修复的利器--插值法(`interpolate`) 本系列教程教程完整目录: 数据清洗的内容其实很丰富, ...
pandas访问分组里面的数据_实战用pandas+PyQt5制作一款数据分组透视处理工具
早起导读:pandas是Python数据处理的利器,如果每天都要使用pandas执行同样的操作,如何制作一个有界面的软件更高效的完成?本文提供了一种基于PyQt5的实现思路. 关键词:pandas P ...
数据科学入门与实战：玩转pandas之七数据分箱技术，分组技术，聚合技术
首先导入相关包 import pandas as pd import numpy as np from pandas import Series,DataFrame #数据分箱技术Binning 数据 ...

pandas（七） -- 数据分组

pandas（七） -- 数据分组相关推荐

最新文章

热门文章