【DataFrame】【翻译】⼀起来读官⽅⽂档
pandas dataframe ⽂档阅读笔记。
dataframe是⼀个2维的有标签数据结构，它每⼀列元素可以是不同的类型。
可以通过⾏索引或者是列索引对数据进⾏索引，DataFrame结构的⾏索引称为index，纵索引称为columns。
可以通过 df.index、df.columns返回df的索引。
可以将dict结构数据转化为DataFrame结构，默认情况下，dict中的keys对应dataframe中的columns。那么index值该怎么办呢？
假设没有对index指定，那么index默认为range（n）
可以在转换时通过index参数对其设定：
In [44]: d = {"one": [1.0, 2.0, 3.0, 4.0], "two": [4.0, 3.0, 2.0, 1.0]}
In [45]: pd.DataFrame(d)
Out[45]:
one  two
0  1.0  4.0
1  2.0  3.0
2  3.0  2.0
3  4.0  1.0
In [46]: pd.DataFrame(d, index=["a", "b", "c", "d"])
Out[46]:
one  two
a  1.0  4.0
b  2.0  3.0
c  3.0  2.0
d  4.0  1.0
np.nan 表⽰缺失值
group by⽂档翻译：
Group by ： 拆分-应⽤-组合
"group by"使⽤场景，如下所⽰：
1. 拆分：根据某些标准将数据分组。
2. 应⽤：对每个组的数据分别应⽤某个函数。
3. 汇合：将所有的结果组合，汇总。
其中，最直接的步骤是 1.拆分 步骤。⼀般情况下，我们希望将数据集分组，并对不同的组进⾏操作。在使⽤过程中，我们可以进⾏以下操作：
聚合：计算每个组的统计量，例如：
计算每组数据的求和，均值
计算每个组的⼤⼩
转换：执⾏针对于组的计算，并返回⼀个类似索引的对象，例如：
标准化组内的数据
⽤每个组派⽣的值填充组内的空值（NA）
过滤：根据筛选规则对每个组进⾏筛选，丢弃不满⾜要求的数据组，例如：
删除只有少量数据的⼀组数据。
根据组的和或者是组的均值来筛选数据组
以上三种操作的组合：GroupBy will examine the results of the apply step and try to return a sensibly combined result if it doesn’t fit into either of the above two categories.
我们希望在每个数据组中调⽤函数，⽽⾮整个数据集。所以此处的思想与SQL中的GroupBy是相同的，我们希望你可以在python中编写类似下列代码的处理⽅式：
SELECT Column1, Column2, mean(Column3), sum(Column4)
FROM SomeTable
GROUP BY Column1, Column2
我们的⽬标就是pandas⾃然的实现上述功能。我们将在各个领域使⽤pandas，通过⼀些⽰例展⽰其使⽤⽅法。
See the for some advanced strategies.在可以看到⾼级使⽤⽅法。
groupby是什么函数将对象拆分成组
pandas可以在它的任何维度上拆分。对分组抽象的定义提供了⼀种从标签到组名的映射关系。将⼀个进⾏分组，可以有以下操作：
In [1]: df = pd.DataFrame(
...:    [
...:        ("bird", "Falconiformes", 389.0),
...:        ("bird", "Psittaciformes", 24.0),
...:        ("mammal", "Carnivora", 80.2),
...:        ("mammal", "Primates", np.nan),
...:        ("mammal", "Carnivora", 58),
...:    ],
...:    index=["falcon", "parrot", "lion", "monkey", "leopard"], #指定索引名称
...:    columns=("class", "order", "max_speed"),                #指定列名
...: )
...:
In [2]: df
Out[2]:
class          order  max_speed
falcon    bird  Falconiformes      389.0
parrot    bird  Psittaciformes      24.0
lion    mammal      Carnivora      80.2
monkey  mammal        Primates        NaN
leopard  mammal      Carnivora      58.0
# default is axis=0
In [3]: grouped = df.groupby("class")
In [4]: grouped = df.groupby("order", axis="columns")
In [5]: grouped = df.groupby(["class", "order"])
在此处原⽂有⼀句这样的话，
default is axis=0
这句话的意思是默认axis=0
那么axis=0指的是什么呢？
axis=0代表⾏操作
axis=1代表列操作
pandas对关键字axis关键字的⽤法保持了NumPy的⽤法：
轴⽤来为超过⼀维的数组定义的属性，⼆维数据拥有两个轴：第0轴沿着⾏的垂直往下，第1轴沿着列的⽅向⽔平延伸。
详细内容可以看
这个映射关系可以通过很多⽅式进⾏定义：
设定⼀个函数，对每⼀个axis的label进⾏操作
与所选axis长度的list或者是ndarray
dict series 提供label->group name 的映射
对于 DataFrame 对象，使⽤⼀个字符串，指⽰要⽤于分组的列名称或索引级别名称。
上述的组合
我们将分组对象统称为keys。例如：
注意：
使⽤groupby分组的对象可以是column或者是index。如果该字符串与column的名字或者是index的名字相同，会引发 ValueError
import numpy as np
import pandas as pd
df = pd.DataFrame(
{
"A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"],
"B": ["one", "one", "two", "three", "two", "two", "one", "three"],
"C": np.random.randn(8),
"D": np.random.randn(8),
}
)
In [7]: df
Out[7]:
A      B        C        D
0  foo    one  0.469112 -0.861849
1  bar    one -0.282863 -2.104569
2  foo    two -1.509059 -0.494929
3  bar  three -1.135632  1.071804
4  foo    two  1.212112  0.721555
5  bar    two -0.173215 -0.706771
6  foo    one  0.119209 -1.039575
7  foo  three -1.044236  0.271860
在 DataFrame 上，我们通过调⽤ groupby() 获得⼀个 GroupBy 对象。 我们可以⾃然地按 A 或 B 列或两者分组：In [8]: grouped = df.groupby("A")
In [9]: grouped = df.groupby(["A", "B"])
值得注意的是，⽂档中在这⾥没有给出输出，这是为什么呢？
当我们运⾏下列代码：
grouped = df.groupby("A")
grouped
会出现什么呢？
&ic.DataFrameGroupBy object at 0x000002513E65C148>
在运⾏groupby之后返回的并不是⼀个DataFrame⽽是DataFrameGroupBy的类型。先继续往下学。
如果我们使⽤ A 和 B 进⾏混合索引，我们可以按除指定列之外的所有列进⾏分组
df2 = df.set_index(["A", "B"])
其结果为
C D
A B
foo one-1.364198-1.301873
bar one0.307794  1.131311
foo two-1.2572460.180205
bar three  1.098357-0.365122
foo two-0.148174-0.256075
bar two-0.813338  1.148187
one-0.182445-1.364987
foo
three-0.890469-2.045356
In [11]: grouped = upby(level=df2.index.names.difference(["B"]))
In [12]: grouped.sum()
Out[12]:
C        D
A
bar -1.591710 -1.739537
foo -0.752861 -1.402938
上⾯的groupby操作 都是 在其index（⾏）上拆分 DataFrame。 我们也可以按列columns拆分：
In [13]: def get_letter_type(letter):
....:    if letter.lower() in 'aeiou':
....:        return 'vowel'
....:    else:
....:        return 'consonant'
In [14]: grouped = df.groupby(get_letter_type, axis=1)
pandas 索引对象⽀持重复值。 如果在 groupby 操作中使⽤⾮唯⼀索引作为组键，则同⼀索引值的所有值都将被视为在⼀个组中，因此聚合函数的输出将仅包含唯⼀索引值：
In [15]: lst = [1, 2, 3, 1, 2, 3]
In [16]: s = pd.Series([1, 2, 3, 10, 20, 30], lst)
In [17]: grouped = s.groupby(level=0)
In [18]: grouped.first()
Out[18]:
1    1
2    2
3    3
dtype: int64
In [19]: grouped.last()
Out[19]:
1    10
2    20
3    30
dtype: int64
In [20]: grouped.sum()
Out[20]:
1    11
2    22
3    33
dtype: int64
注意：
在需要使⽤该操作的结果前数据没有被操作。 创建 GroupBy 对象只会验证您是否传递了有效的映射。
许多复杂的数据操作都可以⽤ GroupBy 操作来表达（虽然不能保证是最有效的）。 您可以使⽤标签映射功能变得⾮常有创意。
分组排序
默认情况下，在 groupby 操作期间对group keys 进⾏排序。 但是，您可以通过 sort=False 来改变默认的排序规则（降序）：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。