python分组统计数据_【Python数据分析】groupby分组统计1.简介
(1)根据某些条件将数据拆分成组
(2)对每个组独⽴应⽤函数
(3)将结果合并到⼀个数据结构中
Dataframe在⾏(axis=0)或列(axis=1)上进⾏分组,将⼀个函数应⽤到各个分组并产⽣⼀个新值,然后函数执⾏结果被合并到最终的结果对象中。
2.实战演练
2.1 简单分组统计并聚合
import pandas as pd
import numpy as np
df = pd.DataFrame({'科⽬' : ['语⽂', '语⽂', '语⽂', '数学','数学'],
'姓名' : ['Jack', 'Lucy', 'Alice', 'Mark', 'Jhon'],
'性别' : ['man', 'woman', 'woman', 'man', 'man'],
'成绩' : [85, 90, 70, 60, 100]})
print(df)
print('------')
upby('科⽬'), upby('科⽬')))
print('------')
# 直接分组得到⼀个groupby对象,是⼀个中间数据,没有进⾏计算
a = df.groupby('科⽬').mean()
b = df.groupby(['科⽬','性别']).mean()
c = df.groupby(['科⽬'])['成绩'].mean() # 以A分组,算D的平均值
print(a,type(a),'\n',a.columns)
print(b,type(b),'\n',b.columns)
print(c,type(c))
# 通过分组后的计算,得到⼀个新的dataframe
# 默认axis = 0,以⾏来分组
# 可单个或多个([])列分组
2.2 分组-可迭代对象
import pandas as pd
import numpy as np
# 分组 - 可迭代对象
df = pd.DataFrame({'X' : ['A', 'B', 'A', 'B'], 'Y' : [1, 4, 3, 2]})
print(df)
upby('X'), upby('X')))
print('-----')
print('--------直接⽣成list或者元组---------------')
groupby分组print(upby('X')), '→ 可迭代对象,直接⽣成list\n')
print(upby('X'))[0], '→ 以元祖形式显⽰\n')
for n,g upby('X'):
print(n)
print(g)
print('###')
# n是组名,g是分组后的Dataframe
print('--------提取分组后的组-----------')
upby(['X']).get_group('A'),'\n')
upby(['X']).get_group('B'),'\n')
print('-----')
# .get_group()提取分组后的组
print('--------分组后的元素转化为dict-----------')
grouped = df.groupby(['X'])
ups)
ups['A']) # 也可写:df.groupby('X').groups['A'] # .groups:将分组后的groups转为dict
# 可以字典索引⽅法来查看groups⾥的元素
print('---------查看分组后的长度-----------')
sz = grouped.size()
print(sz,type(sz))
# .size():查看分组后的长度
print('---------按照两列进⾏分组-----------')
df = pd.DataFrame({'科⽬' : ['语⽂', '语⽂', '语⽂', '数学','数学'],
'姓名' : ['Jack', 'Lucy', 'Alice', 'Mark', 'Jhon'],
'性别' : ['man', 'woman', 'woman', 'man', 'man'],
'成绩' : [85, 90, 70, 60, 100]})
grouped = df.groupby(['科⽬','性别']).groups
print(df)
print(grouped)
print('------------------')
print(grouped[('数学', 'man')])
# 按照两个列进⾏分组
2.3 其他轴上的分组
import pandas as pd
import numpy as np
# 其他轴上的分组
df = pd.DataFrame({'data1':np.random.rand(2),
'data2':np.random.rand(2),
'key1':['a','b'],
'key2':['one','two']})
print(df)
print(df.dtypes)
print('-----')
for n,p upby(df.dtypes, axis=1):
print(n)
print(p)
print('##')
# 按照值类型分列
2.4 通过字典或者Series分组
import pandas as pd
import numpy as np
# 通过字典或者Series分组
df = pd.DataFrame(np.arange(16).reshape(4,4),
columns = ['a','b','c','d'])
print(df)
print('-----')
mapping = {'a':'one','b':'one','c':'two','d':'two','e':'three'}
by_column = df.groupby(mapping, axis = 1)
print(by_column.sum())
print('-----')
# mapping中,a、b列对应的为one,c、d列对应的为two,以字典来分组s = pd.Series(mapping)
print(s,'\n')
upby(s).count())
# s中,index中a、b对应的为one,c、d对应的为two,以Series来分组
2.5 通过函数分组
# 通过函数分组
import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(16).reshape(4,4),
columns = ['a','b','c','d'],
index = ['abc','bcd','aa','b'])
print(df,'\n')
upby(len).sum())
# 按照字母长度分组
2.6 分组函数计算⽅法
import pandas as pd
import numpy as np
s = pd.Series([1, 2, 3, 10, 20, 30], index = [1, 2, 3, 1, 2, 3])
grouped = s.groupby(level=0) # 唯⼀索引⽤.groupby(level=0),将同⼀个index的分为⼀组print(grouped)
print(grouped.first(),'→ first:⾮NaN的第⼀个值\n')
print(grouped.last(),'→ last:⾮NaN的最后⼀个值\n')
print(grouped.sum(),'→ sum:⾮NaN的和\n')
an(),'→ mean:⾮NaN的平均值\n')
dian(),'→ median:⾮NaN的算术中位数\n')
unt(),'→ count:⾮NaN的值\n')
print(grouped.min(),'→ min、max:⾮NaN的最⼩值、最⼤值\n')
print(grouped.std(),'→ std,var:⾮NaN的标准差和⽅差\n')
print(grouped.prod(),'→ prod:⾮NaN的积\n')
2.7 多函数计算:agg()
import pandas as pd
import numpy as np
df = pd.DataFrame({'a':[1,1,2,2],
'b':np.random.rand(4),
'c':np.random.rand(4),
'd':np.random.rand(4),})
print(df)
upby('a').agg(['mean',np.sum]))
upby('a')['b'].agg({'result1':np.mean,
'result2':np.sum}))
# 函数写法可以⽤str,或者np.⽅法
# 可以通过list,dict传⼊,当⽤dict时,key名为columns

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。