利用python对数据进行分组统计

SQL经常将聚合函数与GROUP BY进行组合，对数据进行分组统计分析，python在分析数据中也可以实现相同的功能，而且python也是用GROUPBY

首先创建一个数据表

import pandas as pd
import numpy as npvalue = {'用户ID':['001','002','003','004','005','006'],'用户类型':['大','小','中','大','小','中'],'区域':['A','B','A','C','B','A'],'7月销量':[50,60,75,100,120,130],'7月销售额':[500,1200,2250,1100,3600,5200]}
df = pd.DataFrame(value)

1.groupby()

最重要的参数为by

如果是基于单列进行分组，括号中可以填入列名，如'用户类型'，也可以填入Series，如df['用户类型']
如果是基于多列进行分组，括号中可以填入列名组成的列表，如["用户类型","区域"]，也可以填入Series组成的列表，如[df["用户类型"],df["区域"]

其他参数根据情况，一般默认即可， axis=0, level=None，as_index=True，sort = True, group_keys= True, observed= False, dropna= True

2.选择列

df.groupby()生成的也是DataFrame，有时可能需要在统计分析前选择列，可按照筛选列的方法进行操作，具体见https://blog.csdn.net/Monkey_wang_/article/details/116156599，不设置筛选时，默认是选择全部列

例如你只需要对7月销售额进行统计分析，可以写成df.groupby("用户类型")["7月销售额"]

3.统计函数

常见统计函数包括mean,sum,count,max,min等

对选择出来的列进行单一统计

df.groupby(['用户类型','区域']).sum()

7月销量 7月销售额

用户类型区域

中 A 205 7450

大 A 50 500

C 100 1100

小 B 180 4800

		7月销量	7月销售额
中	A	205	7450
大	A	50	500
C	100	1100
小	B	180	4800

对选择出来的列进行多种统计，此时需要借助aggregate方法，对分组后选择的列同时进行多种统计

df.groupby(['用户类型','区域']).aggregate(['sum','count'])

用户ID 7月销量 7月销售额

sum count sum count sum count

用户类型区域

中 A 003006 2 205 2 7450 2

大 A 001 1 50 1 500 1

C 004 1 100 1 1100 1

小 B 002005 2 180 2 4800 2

		用户ID	7月销量	7月销售额
中	A	003006	2	205	2	7450	2
大	A	001	1	50	1	500	1
C	004	1	100	1	1100	1
小	B	002005	2	180	2	4800	2

对选择出来的列，不同列进行不同的统计，如一个列进行求和，一个列进行求平均，仍需要借助aggregate方法，不过这个时候需要传入以列名为键，统计函数为值的字典

df.groupby(['用户类型','区域']).aggregate({'7月销量':'sum','7月销售额':'mean'})

7月销量 7月销售额

用户类型区域

中 A 205 3725

大 A 50 500

C 100 1100

小 B 180 2400

		7月销量	7月销售额
中	A	205	3725
大	A	50	500
C	100	1100
小	B	180	2400

4.索引处理

默认以分组中的某列或某些列为索引，但有时候我们并不想要这样的索引，此时有两种方法处理：

将groupby()中的参数as_index设置为False，即as_index=False

df.groupby('用户类型',as_index=False).sum()

通过reset_index()重置索引

df.groupby('用户类型').sum().reset_index()

利用python对数据进行分组统计相关推荐

Sql Server 中利用游标对table 的数据进行分组统计式输出…
Sql Server 中利用游标对table 的数据进行分组统计式输出- Table Name: Tb_Color Create table Tb_Color(id int identity(1,1) ...
Python数据分析pandas之分组统计透视表
Python数据分析pandas之分组统计透视表数据聚合统计 Padans里的聚合统计即是应用分组的方法对数据框进行聚合统计,常见的有min(最小).max(最大).avg(平均值).sum(求和) ...
python画曲线图-利用python绘制数据曲线图的实现
"在举国上下万众一心.众志成城做好新冠肺炎疫情防控工作的特殊时刻,我们不能亲临主战场,但我们能坚持在大战中坚定信心.不负韶华." 1.爬取新闻保存为json文件,并将绘图所需数据保 ...
实战教程！利用Python获取数据，并在地图上批量标注
我们想要在地图上批量标注某一类的大量点位,该怎么操作呢?没有它的坐标数据,就没有办法批量标注.今天给大家介绍下,来自图新地球用户王泽的原创教程--利用Python获取数据,并在地图上批量标注的方法! ...
pandas对数据进行分组统计
pandas对数据进行分组统计文章目录 pandas对数据进行分组统计前言一.分组后进行sum操作二.分组后进行迭代操作三.分组后进行聚合agg操作四.使用自定义函数进行统计五.使用di ...
python excel筛选统计_懂点EXCEL就行！教你利用Python做数据筛选（上）
前言 Python的数据清洗功能有多厉害,相信不用我说大家都知道了,寥寥几行代码便可以把一份杂乱无章的表格给处理的干干净净.但是python也是不容易入门的,毕竟编程语言要理解和精通也是要花不少功夫的 ...
利用python进行数据分析学习笔记
利用python进行数据分析 numpy:数组与向量化计算 pandas pandas读取和写入数据集及文件格式数据清洗与准备数据规整:连接.联合和重排列绘图与可视化数据聚合与分组操作时间序 ...
python数据逆透视_利用Python实现数据逆透视
Hello大家好,欢迎来到[统计GO],本公众号定期分享一些好用的数据分析工具,帮助大家花更少的时间学更多的知识. 如果本期内容(使用Python实现逆透视)对您有所帮助,记得及时关注. 背景介绍今 ...
python运行excel高级筛选怎么用_懂点EXCEL就行！教你利用Python做数据筛选（上）...
前言 Python的数据清洗功能有多厉害,相信不用我说大家都知道了,寥寥几行代码便可以把一份杂乱无章的表格给处理的干干净净.但是python也是不容易入门的,毕竟编程语言要理解和精通也是要花不少功夫的 ...