pandas聚合分組的具體使用
更新時(shí)間：2024年03月17日 16:30:15 作者：金灰
使用數(shù)據(jù)庫時(shí),我們利用查詢操作對(duì)各列或各行中的數(shù)據(jù)進(jìn)行分組,可以針對(duì)其中的每一組數(shù)據(jù)進(jìn)行各種不同的操作,本文主要介紹了pandas聚合分組,感興趣的可以了解一下
1.分組操作
數(shù)據(jù)的分組與聚合是關(guān)系型數(shù)據(jù)庫中比較常見術(shù)語。
使用數(shù)據(jù)庫時(shí)，我們利用查詢操作對(duì)各列或各行中的數(shù)據(jù)進(jìn)行分組，可以針對(duì)其中的每一組數(shù)據(jù)進(jìn)行各種不同的操作。
1.1 分組步驟
在數(shù)據(jù)分析中，經(jīng)常會(huì)遇到這樣的情況：根據(jù)某一列（或多列）標(biāo)簽把數(shù)據(jù)劃分為不同的組別，然后再對(duì)其進(jìn)行數(shù)據(jù)分析。
比如，某網(wǎng)站對(duì)注冊(cè)用戶的性別或者年齡等進(jìn)行分組，從而研究出網(wǎng)站用戶的畫像（特點(diǎn)）。
在 Pandas 中，要完成數(shù)據(jù)的分組操作，需要使用 groupby() 函數(shù)，它和 SQL 的GROUP BY操作非常相似 .
在劃分出來的組（group）上應(yīng)用一些統(tǒng)計(jì)函數(shù)，從而達(dá)到數(shù)據(jù)分析的目的，比如對(duì)分組數(shù)據(jù)進(jìn)行聚合、轉(zhuǎn)換，或者過濾。這個(gè)過程主要包含以下三步：
拆分（Spliting）：表示對(duì)數(shù)據(jù)進(jìn)行分組；
應(yīng)用（Applying）：對(duì)分組數(shù)據(jù)應(yīng)用聚合函數(shù)，進(jìn)行相應(yīng)計(jì)算；
合并（Combining）：最后匯總計(jì)算結(jié)果。
1.2 基本使用
演示代碼:
import pandas as pd
import numpy as np
?
company = ["A","B","C"]
df_data= pd.DataFrame({
"company":[company[x] for x in np.random.randint(0,len(company),10)],
"salary":np.random.randint(5,50,10),
"age":np.random.randint(15,50,10)
})
print(df_data)
--------------------------
company salary age
0 A 29 16
1 C 21 23
2 A 15 24
3 A 45 47
4 A 45 41
5 C 46 39
6 B 24 24
7 A 21 18
8 B 33 37
9 C 30 18
?在pandas中，實(shí)現(xiàn)分組操作的代碼很簡單，僅需一行代碼，在這里，將上面的數(shù)據(jù)集按照字段進(jìn)行劃分：
group = df_data.groupby("company")
group
?
# 生成DataFrameGroupBy對(duì)象
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x00000250E4329EA0>
?
----------
# 轉(zhuǎn)換為列表，則更加直觀地看出效果
list(group)
[('A',
company salary age
1 A 48 47
3 A 30 29),
('B',
company salary age
0 B 30 21
2 B 25 44
4 B 49 18
5 B 24 19
7 B 11 37),
('C',
company salary age
6 C 35 42
8 C 6 26
9 C 24 45)]groupby的過程就是將原有的DataFrame按照groupby的字段（這里是company），劃分為若干個(gè)分組DataFrame
1.3 分組聚合
聚合操作是groupby后非常常見的操作，聚合操作可以用來求和、均值、最大值、最小值等.
--分組后的操作.
| 函數(shù) | 作用 |
|---|---|
| max | 最大值 |
| min | 最小值 |
| sum | 求和 |
| mean | 求平均值 |
| median | 中位數(shù) |
| std | 標(biāo)準(zhǔn)差 |
| var | 方差 |
| count | 計(jì)數(shù) |
# 按照company進(jìn)行分組，然后求平均值
df_data.groupby("company").agg("mean")
---------
salary age
company
A 42.000000 40.000000
B 35.333333 36.666667
C 16.666667 25.666667
...1.4 實(shí)操(練習(xí))
import pandas as pd
import numpy as np
?
country = ["中國","美國","英國"]
data = {
"country": [country[x] for x in np.random.randint(0,len(country),10)],
"year": np.random.randint(1990, 2000, size=10),
"GDP": np.random.randint(25000,30000,size=10)
}
df_data = pd.DataFrame(data)
print(df_data)
-------------------
country year GDP
0 英國 1996 28767
1 中國 1991 25541
2 英國 1996 28251
3 美國 1992 29543
4 中國 1998 28031
5 英國 1993 28510
6 美國 1996 27576
7 美國 1993 27087
8 美國 1998 28345
9 英國 1999 272471-創(chuàng)建groupby分組對(duì)象
使用 groupby() 可以沿著任意軸分組。您可以把分組時(shí)指定的鍵（key）作為每組的組名.
df_data.groupby('year')
#返回對(duì)象地址.2-查看分組結(jié)果
通過調(diào)用groups屬性查看分組結(jié)果.
print(df_data.groupby('year').groups)
#{1990: [2, 4], 1992: [0, 7], 1994: [8], 1995: [5], 1997: [3], 1998: [1, 6, 9]}3--演練操作
# 計(jì)算每一年的GDP和year的平均值
df_data.groupby("year")[["GDP", "year"]].mean()
----------------------
GDP year
year
1990 29592.0 1990.0
1992 27173.5 1992.0
1993 28316.0 1993.0
1994 29401.0 1994.0
1997 26791.0 1997.0
1998 29947.0 1998.0
1999 28290.0 1999.0
?
?
# 計(jì)算每個(gè)國家GDP的平均值和收入的中位數(shù)
df_data.groupby("country").agg({"GDP":"mean","year":"median"})
------------------------
GDP year
country
中國 27256.0 1998.0
美國 27220.0 1993.0
英國 26834.0 1993.0
?
?
?
# 計(jì)算每個(gè)國家每年的GDP和year的平均值和方差
df_data.groupby("country")[["GDP", "year"]].agg(["mean","std"])
-------------------------------------------------------------
GDP year
mean std mean std
country
中國 27922.285714 727.771419 1994.571429 3.309438
美國 27824.000000 2332.038164 1996.000000 0.000000
英國 26188.000000 NaN 1994.000000 NaN
?
?
?
# 計(jì)算每一年，中國和美國的GDP和year的平均值
df_data.groupby(["year", "country"])[["GDP", "year"]].mean()
-----------------------------------------------------
GDP year
year country
1990 美國 27325.5 1990.0
英國 28920.0 1990.0
1991 美國 28691.0 1991.0
英國 26217.0 1991.0
1992 中國 26445.0 1992.0
1995 美國 28058.0 1995.0
1996 英國 25210.0 1996.0
1999 美國 26850.0 1999.0
英國 27193.0 1999.0
-----------------------------------
?
# 統(tǒng)計(jì)每個(gè)州出現(xiàn)的國家數(shù)
df_data.groupby("year")["country"].count()
?
# 統(tǒng)計(jì)個(gè)數(shù)去重
df_data.groupby("year")[["country"]].nunique()
?
?
?
?
# 統(tǒng)計(jì)出現(xiàn)的國家數(shù)
df_data["country"].nunique()
?
# 統(tǒng)計(jì)出現(xiàn)的國家
df_data["country"].unique()2.操作回顧
演示代碼:
df_data = pd.DataFrame(
np.random.randint(60,95,size=(6,6)),
index=["張三","李四","王五","趙六","坤哥","凡哥"],
columns=["語文","數(shù)學(xué)","英語","政治","歷史","地理"]
)
print(df_data)
-----------------
語文 數(shù)學(xué) 英語 政治 歷史 地理
張三 62 79 94 81 68 63
李四 66 63 88 87 69 83
王五 94 62 89 60 84 71
趙六 84 85 86 76 93 74
坤哥 92 82 81 62 62 69
凡哥 70 68 71 70 62 93---顯示df_data的基礎(chǔ)信息
df_data.info()
#--
<class 'pandas.core.frame.DataFrame'>
Index: 6 entries, 張三 to 凡哥
Data columns (total 6 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 語文 6 non-null int32
1 數(shù)學(xué) 6 non-null int32
2 英語 6 non-null int32
3 政治 6 non-null int32
4 歷史 6 non-null int32
5 地理 6 non-null int32
dtypes: int32(6)
memory usage: 192.0+ bytes
df.describe()
#--
語文 數(shù)學(xué) 英語 政治 歷史 地理
count 6.000000 6.000000 6.000000 6.000000 6.000000 6.000000
mean 69.833333 75.833333 77.166667 82.000000 79.833333 71.166667
std 7.704977 6.337718 12.221566 8.694826 10.888832 8.518607
min 61.000000 66.000000 62.000000 70.000000 66.000000 62.000000
25% 66.000000 72.000000 66.500000 78.250000 71.500000 66.250000
50% 67.000000 78.500000 80.500000 80.000000 81.000000 69.000000
75% 74.000000 79.750000 87.000000 87.750000 86.750000 74.000000
max 82.000000 82.000000 89.000000 94.000000 94.000000 86.0000002.1 索引切片
loc() 好用,行和列都能切.
1-展示df_data的前3行 .iloc[ ]
df_data.iloc[:3]
2-取出df_data的指定列
df_data.loc[:,["語文","英語"]] df_data[["語文","英語"]]
3-取出指定行與列.loc[ ]
df_data.loc[df_data.index[[0,2,4]],["語文","數(shù)學(xué)","英語"]]
4-取出語文大于70的行
df_data[df_data["語文"] > 70] df_data[(df_data["語文"] > 70) & (df_data["數(shù)學(xué)"]< 70)]
5-統(tǒng)計(jì)每個(gè)語文列成績出現(xiàn)的次數(shù)
df_data["語文"].value_counts()
到此這篇關(guān)于pandas聚合分組的文章就介紹到這了,更多相關(guān)pandas聚合分組內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
利用python實(shí)現(xiàn)聚類分析K-means算法的詳細(xì)過程
K-means算法是很典型的基于距離的聚類算法，采用距離作為相似性的評(píng)價(jià)指標(biāo)，即認(rèn)為兩個(gè)對(duì)象的距離越近，其相似度就越大，下面通過本文給大家介紹利用python實(shí)現(xiàn)聚類分析K-means算法的詳細(xì)過程，感興趣的朋友一起看看吧2021-11-11
如何用六步教會(huì)你使用python爬蟲爬取數(shù)據(jù)
網(wǎng)絡(luò)爬蟲就是按照一定規(guī)則自動(dòng)訪問互聯(lián)網(wǎng)上的信息并把內(nèi)容下載下來的程序或腳本,下面這篇文章主要給大家介紹了關(guān)于如何用六步教會(huì)你使用python爬蟲爬取數(shù)據(jù)的相關(guān)資料,需要的朋友可以參考下2022-04-04
從原理到實(shí)戰(zhàn)拆解Python Socket通信的完整指南
網(wǎng)絡(luò)通信是現(xiàn)代編程的核心能力之一,本文我們就來全方位解鎖Python Socket通信的奧秘,從基礎(chǔ)概念拆解到實(shí)戰(zhàn)代碼落地,從流程梳理到避坑指南,每一步都講透講細(xì),無論是編程新手還是需要查漏補(bǔ)缺的開發(fā)者,都能快速掌握這一核心技2026-03-03
這篇文章主要為大家介紹了一個(gè)通過Python制作的小工具，可以實(shí)現(xiàn)語音識(shí)別以及文字轉(zhuǎn)語音的功能，文中的實(shí)現(xiàn)步驟講解詳細(xì)，感興趣的可以動(dòng)手試一試2022-01-01
解決python字典對(duì)值(值為列表)賦值出現(xiàn)重復(fù)的問題
今天小編就為大家分享一篇解決python字典對(duì)值(值為列表)賦值出現(xiàn)重復(fù)的問題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-01-01
圖文講解選擇排序算法的原理及在Python中的實(shí)現(xiàn)
這篇文章主要介紹了選擇排序的原理及在Python中的實(shí)現(xiàn),選擇排序的時(shí)間復(fù)雜度為О(n²),需要的朋友可以參考下2016-05-05
今天小編就為大家分享一篇python去除文件中重復(fù)的行實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-06-06
這篇文章主要介紹了python追加元素到列表的方法,涉及Python列表操作中append方法追加元素的使用技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-07-07
基于django2.2連oracle11g解決版本沖突的問題
這篇文章主要介紹了基于django2.2連oracle11g解決版本沖突的問題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-07-07
我們?cè)撛趺磁袛喱F(xiàn)有 Python 環(huán)境能裝哪個(gè)版本的包呢,本文我們就來簡單聊聊Python 與包版本兼容性檢查的方法,并且給出一個(gè)可以自己跑的 Demo 腳本吧2025-08-08