在数据分析过程中，经常会需要根据某一列或多列把数据划分为不同的组别，然后再对其进行数据分析。本文将介绍pandas的数据分组及分组后的应用如对数据进行聚合、转换和过滤。

在关系型数据库中我们常用SQL的GROUP BY操作进行分组分析计算。在pandas中要完成数据的分组操作同样可用groupby()函数，然后再在划分出来的组（group）上应用一些统计函数，从而达到数据分析的目的，比如对分组数据进行聚合、转换或者过滤。这个过程主要包含以下三步：拆分(split)-应用(apply)-合并(combine）
例如，DataFrame可以在列(axis=1)或行(axis=0)上进行分组(split)，然后将一个函数应用(apply)到各个分组并产生一个新值，最后所有这些函数的执行结果会被合并(combine)到最终的结果对象中。
一个简单的分组聚合的过程如下图所示：

我们来构造图中所示的DataFrame数据集，看看pandas的分组聚合是怎么做的。

import pandas as pd
import numpy as np
df=pd.DataFrame({'key':['A','B','C','A','B','C','A','B','C'],'data':[0,5,10,5,10,15,10,15,20]})
df

grouped=df.groupby(['key']) #通过key分组
#查看分组情况
for dtype,group in grouped:print(dtype)
grouped.sum() #对每个分组应用sum函数，并最后组合成结果

通过对df的key进行用groupby()进行分组，这里可看到，将数据分成了A、B、C三组，然后对这三组分别应用sum()函数求和，再组合成最终的结果。
对于分组聚合一般来说实际上是分两步：一是创建分组对象进行分组，二是对分组进行相应处理如（对组应用聚合函数、对组进行转换、对组的数据进行过滤）。不过实际在具体写的时候可以通过链式调用一个语句就可以实现如：

df.groupby(['key']).sum() #链式调用先分组再用聚合函数聚合

一、创建分组对象进行分组

groupby可以把分组时指定的键（key）作为每组的组名。groupby对象支持迭代，可以遍历每个分组的具体数据。
如：

#查看分组情况
for name,group in grouped:print(name)print(group)

1、根据多列进行分组

groupby可以通过传入需要分组的参数实现对数据的分组，参数可以是单列，也可以是多列，多列以列表的方式传入。

grouped=df.groupby(['key1','key2'])

2、通过字典或Series进行分组

除数组以外，分组信息还可以其他形式存在。如可以定义字典或Series进行分组。

people=pd.DataFrame(np.random.randn(5,5),columns=['a','b','c','d','e'],index=['Joe','Steve','Wes','Jim','Bob'])
people
mapping={'a':'red','b':'red','c':'blue','d':'blue','e':'red'}#定义分组字典
by_column=people.groupby(mapping,axis=1)
#查看分组情况
for group_name,group_data in by_column:print(group_name)print(group_data)

在字典中我们定义了mapping={'a':'red','b':'red','c':'blue','d':'blue','e':'red'}#定义分组字典
a、b、e对应“red”，c、d对应“blue”所以将blue和red分成了两组。

应用sum()求和函数，可以看到分别对blue和red的分组进行了求和。
类似的，Series也是一样的，我们将map转换成Series，可以看到分组结果和map分组一样的。

3、通过函数进行分组

比起使用字典或Series,使用Python函数是一种更原生的方法定义分组映射，。任何被当做分组键的函数都会在各个索引值上被调用一次，其返回值就会被用作分组名称。
如上面的people数据集，将姓名索引的长度进行分组。

by_len=people.groupby(len)

可以看到将姓名长度相同的3分成一组，长度为5的数据分成了一组
更加通用的是可以自定义函数进行分组，如要将索引>5的和小于5的分别分组，可以自定义函数

#数据集
df=pd.DataFrame({'key':['A','B','C','A','B','C','A','B','C'],'data':[0,5,10,5,10,15,10,15,20]},index=[1,2,3,4,5,6,7,8,9])
df
#自定义函数区分大于5和小于5的数据
def big5(x):  result=0if x>5:result=1return resultby_big5=df.groupby(big5)  #根据索引是否大于5进行分组
#查看分组情况
for group_name,group_data in by_big5:print(group_name)print(group_data)

二、对分组后的数据进行应用

前面通过分组将数据集根据条件分组后，可以对分组后的数据进行各种处理包括聚合、转换、过滤等操作。

1、对分组数据用聚合函数进行聚合

a) 使用pandas聚合函数

前面第一部分的例子中对数据分组后进行了sum()求和聚合操作，类似的聚合函数还有很多如：

函数名	描述
count	分组中非NA值的数量
sum	非NA值的和
mean	非NA值的平均值
median	非NA值的中位数
std, var	标准差和方差
min, max	非NA的最小值，最大值
prod	非NA值的乘积
first, last	非NA值的第一个,最后一个

b) 使用自定义聚合函数

pandas的groupby分组对象还可以用自定义的聚合函数可以通过groupby分组对象，将你自己的聚合函数，传入aggregate或agg方法即可

df=pd.DataFrame({'key':['A','B','C','A','B','C','A','B','C'],'data':[0,5,10,5,10,15,10,15,20]})
df

grouped=df.groupby(['key'])
#查看分组情况
for group_name,group_data in grouped:print(group_name)print(group_data)

def peak_to_peak(arr):return arr.max() - arr.min()grouped.agg(peak_to_peak)

2、根据分组数据进行转换

根据分组数据进行数据转换或其他操作，可以在分组的基础上用apply函数进行数据的转换。
如数据集

df=pd.DataFrame({'key':['A','B','C','A','B','C','A','B','C'],'data':[0,5,10,5,10,15,10,15,20]})
df
根据key分组
grouped=df.groupby(['key'])
#查看分组情况
for group_name,group_data in grouped:print(group_name)print(group_data)

现在我们要对data求和后小于25的分组数据都加1
那么我们可以定义函数，然后再对分数数据进行应用

def add1(df):if df[:]['data'].sum()<25:return df[:][['data']]+1else:return df[:][['data']]
grouped.apply(add1)

3、根据分组数据进行过滤

通过 filter() 函数可以实现数据的筛选，该函数根据定义的条件过滤数据并返回一个新的数据集。
如当我们要过滤掉分组后data求和小于25的数据

#过滤掉sum()求和小于25的数据
def filtersum25(x):if x['data'].sum()>25:return Trueelse:return False
grouped.filter(filtersum25)

至此，本文通过实例介绍了pandas的数据分组及分组后的应用如对数据进行聚合、转换和过滤。数据的分组和聚合是数据分析中常用的分析手段，转换和过滤是数据处理中可用到的方法。

数据集及源代码见：https://github.com/xiejava1018/pandastest.git

作者博客：http://xiejava.ishareread.com/

pandas数据分析之分组聚合相关推荐

Pandas数据分析—groupby分组统计
13.Pandas中groupby分组统计文章目录 13.Pandas中groupby分组统计前言一.分组使用聚合函数做数据统计 1.准备数据二.遍历groupby的结果理解执行流程三.实例 ...
Pandas数据处理_分组聚合_透视表交叉表
1.分组聚合 1.1拆分数据 groupby方法的参数及其说明: #该方法提供的是分组聚合步骤中的拆分功能, #能根据索引或字段对数据进行分组.其常用参数与使用格式如下:DataFrame.group ...
最详细最直观的＞＞＞理解Pandas分组聚合和透视图标
写在前面: 突然打开excel看到透视图表, 瞬间理解了pandas中的分组聚合和透视图标的内容.分享给大家,希望给在学习路上的伙伴们少点疑虑. 分组聚合首先, 创建我们需要的数据 df = pd. ...
Pandas数据分析⑥——数据分析实例（货品送达率与合格率/返修率/拒收率）
Pandas系列目录如下: Pandas数据分析①--数据读取(CSV/TXT/JSON) Pandas数据分析②--数据清洗(重复值/缺失值/异常值) Pandas数据分析③--数据规整1(索引和列 ...
python数据分析及可视化（九）pandas数据规整（分组聚合、数据透视表、时间序列、数据分析流程）
作业拼接多个csv文件去除重复数据,重新索引自动挡和手动挡数目计算每个城市二手车数量统计每个汽车品牌平均售价价格(不是原价) 分组与聚合如下表所示,5行3列的表格,5种水果分别对应的名称, ...
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? ...
数据分析三、pandas库分组聚合与数据可视化
分组聚合与数据可视化一.分组聚合 1.1.单层分组聚合:df.groupby(by)['列索引'].mean(). 1.1.1单层分组:df.groupby(by) 1.1.2聚合操作:['列索引' ...
聚合多个文件_python数据分析与挖掘（二十五）--- Pandas高级处理分组与聚合
分组与聚合通常是分析数据的一种方式,通常与一些统计函数一起使用,查看数据的分组情况想一想其实刚才的交叉表与透视表也有分组的功能,所以算是分组的一种形式,只不过他们主要是计算次数或者计算比例!!看其中 ...
stream 多个字段分组_Python Pandas对Excel数据的分组聚合和数据透视
使用Excel进行商业数据分析的时候,最重要的就是两个手段就是vlookup函数和数据透视表.本章就讲解一下与数据透视功能相关的分组聚合和数据透视.其实分组聚合和数据透视两者基本是等价的,但由于使用的 ...
利用pandas拆分单元格并进行分组聚合
背景: 最近指导老师布置了一个数据分析的任务要将三张表格进行整理得到错题的数目页行列表示错题的位置思路: 我的思路是读取文件夹当中的文件名列表,然后利用for循环和pandas逐一读取每个文件. ...

pandas数据分析之分组聚合