文章目录

groupby()方法
- 通过列名进行分组
- 通过Series对象进行分组
- - Series对象与原数据的行索引长度相等
  - Series对象与原数据的行索引长度不等
- 通过字典进行分组
- - 按照columns轴的方向进行分组
  - 按照index轴的方向进行分组
- 通过函数进行分组

groupby()方法

groupby(
self,
by=None,
axis=0,
level=None,
as_index: bool = True,
sort: bool = True,
group_keys: bool = True,
squeeze: bool = False,
observed: bool = False,
)

部分参数表示的含义如下：

by：用于确定进行分组的依据
axis：表示分组轴的方向，可以为0或1，默认为0
level：如果某个轴是一个MultiIndex对象（索引层次结构），则会按特定级别或多个级别分组
as_index：表示聚合后的数据是否以组标签作为索引的DataFrame对象输出，接受布尔值，默认为True
sort：表示是否对分组标签进行排序，接受布尔值，默认为True

通过groupby()方法执行分组操作，会返回一个GroupBy对象，该对象实际上并没有进行任何计算，只是包含一些而关于分组键的中间数据而已。

一般，使用Series调用groupby()方法返回的是SeriesGroupBy对象，而使用DataFrame调用groupby()方法返回的是DataFrameBy对象。

在进行分组时，通过指定by参数来确定分组标准，常用的分组方式主要有四种：

列表或数组，其长度必须与待分组的轴一样
DataFrame对象中某列的名称
字典或Series对象，给出待分组轴上的值与分组名称之间的对应关系
函数，用于处理轴索引或索引中的各个标签

通过列名进行分组

代码：

import numpy as np
import pandas as pddf = pd.DataFrame({"key": ['C', 'B', 'C', 'A', 'B', 'B', 'A', 'C', 'A'],"Data": [2, 4, 6, 8, 10, 1, 14, 16, 18]})
print(df)
group_obj = df.groupby(by='key')
print("df.groupby(by='key'):\n", group_obj)

输出结果：

  key  Data
0   C     2
1   B     4
2   C     6
3   A     8
4   B    10
5   B     1
6   A    14
7   C    16
8   A    18
df.groupby(by='key'):<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002018919F2B0>

从输出结果可以看出，DataFrame经过分组之后得到了一个DataFrameGroupBy对象，该对象是一个可迭代的对象，即只有在真正需要的时候才会执行计算（惰性计算）

如果要查看每个分组的具体内容，应该使用for循环遍历DataFrameGroupBy对象。

代码：

for i in group_obj:print(i)

输出结果：

('A',   key  Data
3   A     8
6   A    14
8   A    18)
('B',   key  Data
1   B     4
4   B    10
5   B     1)
('C',   key  Data
0   C     2
2   C     6
7   C    16)

通过Series对象进行分组

Series对象与原数据的行索引长度相等

将Series对象传给by参数，作为分组键拆分DataFrame对象

代码：

df1 = pd.DataFrame({'key1': ['A', 'A', 'B', 'B', 'A'],'kye2': ['one', 'two', 'one', 'two', 'one'],'data1': [2, 3, 4, 6, 8],'data2': [3, 5, 6, 3, 7]})
print(df1)se = pd.Series(['a', 'b', 'c', 'a', 'b'])
group_obj1 = df1.groupby(by=se)
for i in group_obj1:print(i)

输出结果：

key1 kye2  data1  data2
0    A  one      2      3
1    A  two      3      5
2    B  one      4      6
3    B  two      6      3
4    A  one      8      7('a',   key1 kye2  data1  data2
0    A  one      2      3
3    B  two      6      3)
('b',   key1 kye2  data1  data2
1    A  two      3      5
4    A  one      8      7)
('c',   key1 kye2  data1  data2
2    B  one      4      6)

从输出结果可以看出，se将df1对象分成a，b，c三组，其中索引0和3对应的两行为a组数据，索引1和4对应的两行为b组数据，索引2对应的一行为c组数据。

Series对象与原数据的行索引长度不等

代码：

se1 = pd.Series(['a', 'b', 'a'])
group_obj2 = df1.groupby(se1)
for i in group_obj2:print("group_obj2:\n", i)

输出结果：

('a',   key1 kye2  data1  data2
0    A  one      2      3
2    B  one      4      6)
('b',   key1 kye2  data1  data2
1    A  two      3      5)

由于se1只有三行数据，所以它只需要对df对象的前三行数据进行分组，即第一行第三行分为一组，最后一行分为一组，而不会将全部的数据进行分组

通过字典进行分组

用字典对DataFrame进行分组时，需要确定轴的方向及字典中的映射关系，即字典中的键为列名，字典的值为自定义的分组名。

按照columns轴的方向进行分组

代码：

df2 = DataFrame({'a': [1, 2, 4, 8, 3],'b': [9, 6, 3, 7, 5],'c': [2, 3, 4, 6, 8],'d': [3, 5, 6, 3, 7]})
mapping = {'a': '第一组', 'b': '第二组', 'c': '第三组', 'd': '第一组'}
print(df2)
by_columns = df2.groupby(by=mapping, axis=1)
print("by_columns:")
for i in by_columns:print(i)

输出结果：

   a  b  c  d
0  1  9  2  3
1  2  6  3  5
2  4  3  4  6
3  8  7  6  3
4  3  5  8  7
by_columns:
('第一组',    a  d
0  1  3
1  2  5
2  4  6
3  8  3
4  3  7)
('第三组',    c
0  2
1  3
2  4
3  6
4  8)
('第二组',    b
0  9
1  6
2  3
3  7
4  5)

拆分df2时，将a列、d列数据映射到第一组；将b列映射到第二组，将d列数据映射到第三组。

按照index轴的方向进行分组

代码

mapping1 = {0: '第一组', 1: '第二组', 2: '第三组', 3: '第二组', 4: '第一组'}
by_index = df2.groupby(mapping1, axis=0)
print("by_index:")
for i in by_index:print(i)

输出结果：

by_index:
('第一组',    a  b  c  d
0  1  9  2  3
4  3  5  8  7)
('第三组',    a  b  c  d
2  4  3  4  6)
('第二组',    a  b  c  d
1  2  6  3  5
3  8  7  6  3)

拆分df2时，将0行、4行数据映射到第一组；将1行、3行映射到第二组，将2行数据映射到第三组。

通过函数进行分组

使用函数作为分组键会更加灵活，任何一个被当作分组键的函数都会在各个索引值上被调用一次，返回的值会被用作分组名称。

代码：

df2 = DataFrame({'a': [1, 2, 4, 8, 3],'b': [9, 6, 3, 7, 5],'c': [2, 3, 4, 6, 8],'d': [3, 5, 6, 3, 7]},index=['Bob', 'Alice', 'Job', 'Jack', 'Helen'])
group_obj3 = df2.groupby(by=len)
print("group_obj3")
for i in group_obj3:print(i)

输出结果：

group_obj3
(3,      a  b  c  d
Bob  1  9  2  3
Job  4  3  4  6)
(4,       a  b  c  d
Jack  8  7  6  3)
(5,        a  b  c  d
Alice  2  6  3  5
Helen  3  5  8  7)

在调用groupby()方法时传入了内置函数len()，表明len()函数会对行索引一列执行求长度的操作，以行索引名称的长度进行分组，则长度相同的行索引名称会分成一组。

Python之数据拆分——groupby()方法相关推荐

数据分析时进行数据拆分的方法
数据分析时进行数据拆分的方法 # 75%的数据用来做训练集,25%的数据用作测试集 X_train,X_test,y_train,y_test = train_test_split(X,y,test_ ...
Python之数据聚合——aggregate()方法
文章目录使用内置统计方法聚合数据面向列的聚合方法 aggregate()方法对每一列数据应用同一个函数对某列数据应用不同的函数对不同列数据应用不同函数使用内置统计方法聚合数据实现数据拆分 ...
python分析数据差异的方法_用Python的两种方法进行方差分析
在进行数据分析时,我们往往会遇到要对某个变量的影响因素进行分析的情况,而影响一事物的因素往往是很多的.比如在化工生产中,有温度.压力.剂量.反应时间等因素.每一因素的改变都有可能影响产品的数量和质量. ...
python对数据分组的方法
pandas 的cut函数完成数据分组 cut(Series,bins,right = True,labels = null ) Series:需要分组的数据[数据框的某列数据] bins:分组的划分 ...
python金融数据导入的方法
初学篇–数据导入 1.国内股票的数据: 2.国际股票的数据: 3.网页的数据: 4.本地的数据传入python分析: (一)数据导入 1.国内股票的数据–tushare包(安装pip install ...
python之数据拆分与合并
1.代码部分 import pandas as pd#设置列对齐 pd.set_option('display.unicode.ambiguous_as_wide',True) pd.set_opti ...
python分析数据差异的方法_数据分析技术：数据差异的显著性检验
数据差异的显著性检验是数据分析的重要技术之一.然而,如何正确选择检验方法是很多初学者困惑和容易出现错误的地方.下面为大家总结一下数据差异显著性检验的方法及适用范围. 显著性检验首先需要理解什么是数据 ...
Python 简单数据/密码加密方法
# 简单数据加密""" 加密方法:1.获取所有字符ASCII码,进行累加2.拼接所有字符ASCII码,顺序拼接3.把顺序拼接的ASCII码,倒序排列4.把倒序排列的ASC ...
美赛O奖大佬的PYTHON的数据预处理基本方法（想要详细资料的或者美赛需要思路以及论文援助的加我哦，vx在简介中）

Python之数据拆分——groupby()方法

文章目录

groupby()方法

通过列名进行分组

通过Series对象进行分组

Series对象与原数据的行索引长度相等

Series对象与原数据的行索引长度不等

通过字典进行分组

按照columns轴的方向进行分组

按照index轴的方向进行分组

通过函数进行分组

Python之数据拆分——groupby()方法相关推荐

最新文章

热门文章