>>>import pandas as pd
>>>df=pd.read_csv('DataAnalyst.csv',encoding='gbk')
#分组并计数
#groupby后面需要跟函数才能显示
>>>df.groupby(by='city').count()
companyFullName companyId companyLabelList companyShortName companySize businessZones firstType secondType education industryField positionId positionAdvantage positionName positionLables bottom top avg workYear
city
上海 969 969 870 969 969 712 969 969 969 969 969 969 969 963 969 969 969 969
北京 4148 4148 3726 4148 4148 3068 4142 4143 4148 4148 4148 4148 4148 4129 4148 4148 4148 4148
南京 82 82 74 82 82 51 82 82 82 82 82 82 82 81 82 82 82 82
厦门 30 30 25 30 30 19 30 30 30 30 30 30 30 30 30 30 30 30
天津 20 20 18 20 20 15 20 20 20 20 20 20 20 20 20 20 20 20
广州 334 334 295 334 334 226 334 334 334 334 334 334 334 332 334 334 334 334
成都 133 133 113 133 133 35 133 133 133 133 133 133 133 132 133 133 133 133
杭州 404 404 374 404 404 241 403 403 404 404 404 404 404 403 404 404 404 404
武汉 69 69 62 69 69 49 69 69 69 69 69 69 69 69 69 69 69 69
深圳 522 522 473 522 522 363 522 522 522 522 522 522 522 520 522 522 522 522
苏州 37 37 30 37 37 15 37 37 37 37 37 37 37 37 37 37 37 37
西安 50 50 39 50 50 25 50 50 50 50 50 50 50 50 50 50 50 50
长沙 25 25 22 25 25 14 25 25 25 25 25 25 25 25 25 25 25 25 
#分组后求组内某一字段的最大值
>>>df.groupby(by='city').avg.max()

city
上海    75.0
北京    75.0
南京    25.0
厦门    25.0
天津    17.5
广州    45.0
成都    65.0
杭州    60.0
武汉    26.5
深圳    75.0
苏州    30.0
西安    35.0
长沙    15.0
Name: avg, dtype: float64

#多字段分组,多重索引
>>>df.groupby(by=['city','workYear']).mean()
companyId positionId bottom top avg
city workYear
上海 1-3年 56370.229560 2.122294e+06 10.110063 17.298742 13.704403
10年以上 50283.500000 2.186072e+06 27.500000 42.500000 35.000000
1年以下 66486.562500 2.335498e+06 6.875000 11.812500 9.343750
3-5年 56284.833828 2.148159e+06 14.798220 25.130564 19.964392
5-10年 64153.386861 2.204261e+06 21.145985 35.510949 28.328467
不限 68837.887097 2.221343e+06 7.467742 13.322581 10.395161
应届毕业生 48962.636364 2.313271e+06 5.606061 8.606061 7.106061
北京 1-3年 55965.545799 2.176951e+06 11.349735 20.141559 15.745647
10年以上 67579.785714 2.376643e+06 34.642857 52.857143 43.750000
1年以下 91526.250000 2.409707e+06 5.687500 9.708333 7.697917
3-5年 51318.617114 2.213610e+06 15.839475 27.521549 21.680512
5-10年 51625.509132 2.262125e+06 20.979452 34.874429 27.926941
不限 58820.321027 2.158942e+06 9.046549 15.762440 12.404494
应届毕业生 57623.291262 2.275363e+06 5.242718 8.485437 6.864078
南京 1-3年 74551.291667 2.184282e+06 7.000000 11.625000 9.312500
1年以下 82443.000000 2.561404e+06 2.500000 5.000000 3.750000
3-5年 65279.333333 2.164212e+06 10.750000 18.750000 14.750000
5-10年 21079.200000 2.389005e+06 15.600000 26.200000 20.900000
不限 60472.260870 2.346818e+06 5.652174 10.391304 8.021739
应届毕业生 30884.500000 2.382802e+06 5.750000 9.250000 7.500000
厦门 1-3年 58654.466667 1.876766e+06 7.400000 13.266667 10.333333
3-5年 63641.600000 1.940944e+06 9.600000 17.200000 13.400000
不限 82702.555556 2.025943e+06 7.444444 14.666667 11.055556
应届毕业生 9547.000000 2.411738e+06 5.000000 10.000000 7.500000
天津 1-3年 55338.666667 2.327896e+06 4.666667 7.333333 6.000000
3-5年 68648.800000 2.272681e+06 8.400000 14.400000 11.400000
5-10年 66805.000000 2.343332e+06 15.000000 20.000000 17.500000
不限 89693.142857 2.059957e+06 5.571429 9.142857 7.357143
应届毕业生 81114.000000 2.338327e+06 2.000000 4.000000 3.000000
广州 1-3年 58407.514706 2.223685e+06 8.073529 13.948529 11.011029
... ... ... ... ... ... ...
杭州 不限 59188.078947 2.270072e+06 10.184211 18.552632 14.368421
应届毕业生 31184.083333 2.132055e+06 6.083333 11.416667 8.750000
武汉 1-3年 61891.100000 2.074843e+06 6.000000 11.200000 8.600000
1年以下 78797.000000 1.100027e+06 3.000000 4.000000 3.500000
3-5年 60472.259259 2.134416e+06 9.777778 17.666667 13.722222
5-10年 57453.000000 1.987101e+06 12.090909 20.727273 16.409091
不限 48843.375000 2.452173e+06 4.250000 7.250000 5.750000
应届毕业生 79294.500000 2.403577e+06 2.500000 4.500000 3.500000
深圳 1-3年 66374.393333 2.141864e+06 9.380000 16.540000 12.960000
10年以上 68993.500000 2.324062e+06 19.500000 32.500000 26.000000
1年以下 73129.500000 1.663716e+06 10.500000 20.000000 15.250000
3-5年 54833.537688 2.155506e+06 14.090452 25.271357 19.680905
5-10年 46952.378049 2.075490e+06 19.536585 33.451220 26.493902
不限 72778.861111 2.178372e+06 8.916667 15.444444 12.180556
应届毕业生 60220.615385 1.917779e+06 6.692308 9.923077 8.307692
苏州 1-3年 69105.000000 2.285118e+06 8.545455 14.727273 11.636364
3-5年 41914.266667 2.192177e+06 10.066667 17.533333 13.800000
5-10年 23127.285714 1.969094e+06 17.571429 31.285714 24.428571
不限 66902.000000 1.689665e+06 6.333333 10.333333 8.333333
应届毕业生 94.000000 2.360554e+06 5.000000 10.000000 7.500000
西安 1-3年 74480.333333 2.054798e+06 5.916667 10.750000 8.333333
3-5年 77698.923077 2.302673e+06 9.769231 16.846154 13.307692
5-10年 55435.800000 2.228356e+06 14.400000 22.600000 18.500000
不限 78890.166667 2.271278e+06 2.333333 4.500000 3.416667
应届毕业生 7502.000000 2.574456e+06 6.000000 9.000000 7.500000
长沙 1-3年 44605.555556 2.166399e+06 7.111111 12.333333 9.722222
3-5年 44933.900000 2.178290e+06 7.800000 14.400000 11.100000
5-10年 7382.000000 7.452570e+05 9.000000 12.000000 10.500000
不限 98598.000000 2.201182e+06 5.000000 8.250000 6.625000
应届毕业生 149263.000000 2.430719e+06 3.000000 6.000000 4.500000

75 rows × 5 columns

#同时计算分组下某个字段的最大值和最小值
for k,v in df.groupby(by='city'):print(k,max(v.avg),min(v.avg))print('--'*10)

 上海 75.0 1.5
--------------------
北京 75.0 1.5
--------------------
南京 25.0 1.5
--------------------
厦门 25.0 3.5
--------------------
天津 17.5 3.0
--------------------
广州 45.0 1.5
--------------------
成都 65.0 1.5
--------------------
杭州 60.0 2.5
--------------------
武汉 26.5 1.5
--------------------
深圳 75.0 1.5
--------------------
苏州 30.0 4.0
--------------------
西安 35.0 2.5
--------------------
长沙 15.0 2.5
--------------------

【Python 数据科学】分组group by基础相关推荐

  1. 【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门(一)

    这是机器未来的第52篇文章 原文首发地址:https://robotsfutures.blog.csdn.net/article/details/126899226 <Python数据科学快速入 ...

  2. python数据科学系列：pandas入门详细教程

    导读 前2篇分别系统性介绍了numpy和matplotlib的入门基本知识,今天本文自然是要对pandas进行入门详细介绍,通过本文你将系统性了解pandas为何会有数据分析界"瑞士军刀&q ...

  3. python数据科学手册_小白入门Python数据科学

    前言 本文讲解了从零开始学习Python数据科学的全过程,涵盖各种工具和方法 你将会学习到如何使用python做基本的数据分析 你还可以了解机器学习算法的原理和使用 说明 先说一段题外话.我是一名数据 ...

  4. python数据科学-单变量数据分析

    总第85篇 01|背景: 我们在做机器学习之前,需要自己先对数据进行深入的了解(这些数据是什么类型,总共有多少数据,有没有缺失值,均值是多少之类的),只有自己对数据足够了解了,才能够更好地利用机器学习 ...

  5. python数据科学入门_干货！小白入门Python数据科学全教程

    前言本文讲解了从零开始学习Python数据科学的全过程,涵盖各种工具和方法 你将会学习到如何使用python做基本的数据分析 你还可以了解机器学习算法的原理和使用 说明 先说一段题外话.我是一名数据工 ...

  6. python书籍推荐：Python数据科学手册

    所属网站分类: 资源下载 > python电子书 作者:today 链接:http://www.pythonheidong.com/blog/article/448/ 来源:python黑洞网 ...

  7. python数据科学库_Python数据科学库

    python数据科学库 什么是数据科学? (What is Data Science?) We live in an information age, where the challenge is t ...

  8. Python 数据科学库入门

    Python 数据科学库入门 1.Numpy 1.1Numpy 简介 Numpy(Numerical Python) Numpy:提供了一个在 Python 中做科学计算的基础库,重在数值计算,主要用 ...

  9. python数据科学常国珍_《PYTHON数据科学:全栈技术详解》常国珍//赵仁乾//张秋剑著【摘要 书评 在线阅读】-苏宁易购图书...

    商品参数 作者: 常国珍//赵仁乾//张秋剑著 出版社:机械工业出版社 出版时间:2018-07-01 00:00:00 版次:1 印次:1 印刷时间:2018-07-01 字数:250 页数:422 ...

  10. 《Python数据科学入门》之数据库的使用（第4章）

    Python数据科学入门 Dmitry Zinoviev著 熊子源 译 第四章 使用数据库 本章介绍了数据库的使用.之前那本<Python爬虫>中有谈到数据库的使用,这里就不再详细介绍.仅 ...

最新文章

  1. 网络欺骗工具Ettercap大学霸IT达人
  2. 从配置服务器说起......
  3. java session 生命周期_JavaWeb关于session生命周期的几种设置方法
  4. SpringMVC框架结构以及架构流程
  5. python 群控源代码_自动化 带你用 Python 实现自动化群控设备 _好机友
  6. 线程和进程之间的联系----基本概念
  7. 包含重复数字序列的全排列Python解法
  8. MPEG-4 AVC/H.264 信息
  9. 树莓派linux共享目录,树莓派局域网文件共享
  10. freebsd下支持LATEX书写数学公式的网站搭建
  11. 智能感知与万物互联学术讲座
  12. 标注工具——VoTT的调试笔记
  13. visual studio 安装教程
  14. Microsoft强大团队（源代码）管理工具--TFS2010 与vs结合
  15. 进程的同步和互斥反映了_进程的同步和互斥
  16. 大学，学会这样上网才有意义！
  17. 灵格斯词霸 2.6.3 - 小窗口, 大世界
  18. Linux - Vim常用命令清单
  19. 视网膜屏 retina屏
  20. C#自定义好看的消息提示窗口MessageBox

热门文章

  1. BK7256，上海博通-音视频Wi-Fi6combo-soc,内置Flash，RGB屏驱\720P
  2. Android 小工具--圆形图片
  3. 笔记本升级--固态硬盘安装双系统win10-CentOS
  4. 深圳计算机专业中专学校,深圳最好的中专学校有哪些 十大中专学校排名
  5. redis中使用GeoHash
  6. 标准柯西分布_柯西分布的随机数
  7. NDK中LOCAL_SHARED_LIBRARIES
  8. 一级计算机软件wps,计算机一级WPS
  9. 苹果手机计算机怎样拉到桌面,20个你应该知道的iPhone 7实用小技巧
  10. 做好产品需求文档的这十步