pandas 聚合 df.groupby.agg

#df.groupby.agg ( arg,  *args,  **kwargs )
#聚合:使用可调用、字符串、dict或字符串/可调用列表进行聚合import pandas as pddf = pd.DataFrame({'A':['a','a','b','c','b','c','d'],'B':[4,5,3,6,7,3,2],'C':[22,21,43,55,31,55,66],'D':[123,223,441,554,234,665,772]})
print(df)
#分组
df_groupby = df.groupby('A')
print('组内的键值：\n{}'.format(df_groupby.groups.keys()))
print("观察其中某组 'a'：\n{}".format(df.iloc[df_groupby.groups['a']]))
print('查看所有分组：')
for index,data in df_groupby:print(index)print(data)
#多列分组
df_grb_morecols = df.groupby(['A','B'])
print('组内的键值：\n{}'.format(df_grb_morecols.groups.keys()))
print("观察其中某组 ('a', 4)：\n{}".format(df.iloc[df_grb_morecols.groups[('a', 4)]]))
print('查看所有分组：')for index,data in df_grb_morecols:print(index)print(data)
#聚合
#默认情况对分组之后其他列进行聚合df_agg = df.groupby('A').agg(['min','mean','max'])
print(df_agg)
#对分组后的部分列进行聚合
#某些情况，只需要对部分数据进行不同的聚合操作，可以通过字典来构建
num_agg = {'C':['min','mean','max']}
print('部分列进行聚合:\n{}'.format(df.groupby('A').agg(num_agg)))num_agg = {'C':['min','mean','max'],'D':['min','max']}
print('部分列进行聚合:\n{}'.format(df.groupby('A').agg(num_agg)))

输出结果：

   A  B   C    D
0  a  4  22  123
1  a  5  21  223
2  b  3  43  441
3  c  6  55  554
4  b  7  31  234
5  c  3  55  665
6  d  2  66  772
组内的键值：
dict_keys(['a', 'b', 'c', 'd'])
观察其中某组 'a'：A  B   C    D
0  a  4  22  123
1  a  5  21  223
查看所有分组：
aA  B   C    D
0  a  4  22  123
1  a  5  21  223
bA  B   C    D
2  b  3  43  441
4  b  7  31  234
cA  B   C    D
3  c  6  55  554
5  c  3  55  665
dA  B   C    D
6  d  2  66  772
组内的键值：
dict_keys([('a', 4), ('a', 5), ('b', 3), ('b', 7), ('c', 3), ('c', 6), ('d', 2)])
观察其中某组 ('a', 4)：A  B   C    D
0  a  4  22  123
查看所有分组：
('a', 4)A  B   C    D
0  a  4  22  123
('a', 5)A  B   C    D
1  a  5  21  223
('b', 3)A  B   C    D
2  b  3  43  441
('b', 7)A  B   C    D
4  b  7  31  234
('c', 3)A  B   C    D
5  c  3  55  665
('c', 6)A  B   C    D
3  c  6  55  554
('d', 2)A  B   C    D
6  d  2  66  772B            C              D            min mean max min  mean max  min   mean  max
A
a   4  4.5   5  21  21.5  22  123  173.0  223
b   3  5.0   7  31  37.0  43  234  337.5  441
c   3  4.5   6  55  55.0  55  554  609.5  665
d   2  2.0   2  66  66.0  66  772  772.0  772
部分列进行聚合:C          min  mean max
A
a  21  21.5  22
b  31  37.0  43
c  55  55.0  55
d  66  66.0  66
部分列进行聚合:C              D     min  mean max  min  max
A
a  21  21.5  22  123  223
b  31  37.0  43  234  441
c  55  55.0  55  554  665
d  66  66.0  66  772  772
>>>

pandas 聚合 df.groupby.agg相关推荐

【Pandas分组聚合】 groupby()、agg() 方法的使用
Pandas分组聚合创建一个dataframe结构分组函数 groupby() 初识分组聚合多重行索引分组聚合对多列数据进行分组聚合综合应用聚合函数 agg(aggregate) 求多列 ...
pandas使用groupby函数进行分组聚合、使用agg函数指定聚合统计计算的数值变量、并自定义统计计算结果的名称（naming columns after aggregation)
pandas使用groupby函数进行分组聚合.使用agg函数指定聚合统计计算的数值变量.并自定义统计计算结果的名称(naming columns after aggregation in dataf ...
pandas使用groupby函数进行分组聚合并使用agg函数将每个分组特定变量对应的多个内容组合到一起输出（merging content within a specific column of g
pandas使用groupby函数进行分组聚合并使用agg函数将每个分组特定变量对应的多个内容组合到一起输出(merging content within a specific column of g ...
Pandas（鸢尾花案例：groupby, agg, apply）
数据的分组和聚合 pandas groupby 方法 pandas agg 方法 pandas apply 方法案例讲解鸢尾花案例婴儿姓名案数据的分组&聚合 -- 什么是groupby ...
Pandas DataFrame: groupby agg的使用
@创建于:2022.07.01 @修改于:2022.07.01,2022.07.09 文章目录 1.构建样例数据(无Null值和有Null值) 2.agg常见聚合函数 3.agg匿名聚合函数 4.ag ...
pandas分组groupby(agg,transform),apply
快速浏览 pandas简单介绍和本文说明一.SAC过程二.groupby函数 1. groupby分组函数的基本内容单/多列分组组容量与组数组的遍历 level参数(用于多级索引)和axis ...
pandas df.groupby()分组后的数据访问，set_index的用法
分组方式注意第一种与第三种方式的区别. import pandas as pd dic={'省份':['A','A','A','B','C'],'城市':['a','a','a_','b','c', ...
python pandas聚合_Python Pandas分组聚合的实现方法
Pycharm 鼠标移动到函数上,CTRL+Q可以快速查看文档,CTR+P可以看基本的参数. apply(),applymap()和map() apply()和applymap()是DataFrame ...
Pandas转pivot, groupby等结果为dataFrame--彻底解决多表头问题
Pandas转pivot, groupby等结果为dataFrame 问题背景: 在用Pandas进行数据分析和处理的时候,常会用到如goupby(),pivot()等方法,这些方法极大简化了我们的操 ...
【Python基础】Pandas笔记---深入Groupby，它的功能没有你想的这么简单
点击上方"潜心的Python小屋"关注我们,第一时间推送优质文章. 前言大家好,我是潜心.上篇文章提到了Groupby,但其中举例的代码有点问题,在提取序列时用到了for循环,效 ...

pandas 聚合 df.groupby.agg

pandas 聚合 df.groupby.agg相关推荐

最新文章

热门文章