《Python for Data Analysis》

GroupBy

分組運(yùn)算：split-apply-combine(拆分-應(yīng)用-合并)

DataFrame可以在其行（axis=0）或列（axis=1）上進(jìn)行分組。然后，將一個函數(shù)應(yīng)用到各個分組并產(chǎn)生新值。最后，所有這些函數(shù)的執(zhí)行結(jié)果會被合并到最終的結(jié)果對象中去。

GroupBy的size方法可以返回一個含有分組大小的Series。

對分組進(jìn)行迭代

for (k1,k2), group in df.groupby(['key1','key2']):
 print k1,k2
 print group

選取一個或一組列

df.groupby(['key1','key2'])[['data2']].mean()

通過字典或Series進(jìn)行分組

只需將字典或Series傳給groupby即可。

通過函數(shù)分組

people.groupby(len).sum() #根據(jù)人名的長度進(jìn)行分組

通過索引級別分組

層次化索引數(shù)據(jù)，根據(jù)索引級別進(jìn)行聚合，通過level關(guān)鍵字傳入級別編號或名稱。

df.groupby(level='cty',axis=1).count()

數(shù)據(jù)聚合

經(jīng)過優(yōu)化的groupby方法

對于上述描述統(tǒng)計(jì)方法，可以將函數(shù)名以字符串的形式傳入agg方法。例如：grouped.agg(['mean', 'std'])

如果要使用自己的聚合函數(shù)，只需將其傳入aggregate或agg方法即可

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

面向列的多函數(shù)應(yīng)用，可以對不同的列使用不同的聚合函數(shù)或者一次應(yīng)用多個函數(shù)。

如果傳入一組函數(shù)或函數(shù)名，得到的DataFrame的列就會以相應(yīng)的函數(shù)命名

如果傳入的是一個由（name,function）元組組成的列表，各個元組的第一個元素就會被用作DataFrame的列名。

不同的列使用不同的聚合函數(shù)也可以向agg傳入一個從列名映射到函數(shù)的字典

grouped.agg(['mean', 'std', peak_to_peak]) # 1
grouped.agg([('foo', 'mean'), ('bar', np.std)]) # 2
functions = ['count', 'mean', 'max']
result = grouped['tip', 'bill'].agg(functions) # 3
grouped.agg({'tip' : np.max, 'bill' : 'sum'}) # 4

分組級運(yùn)算和轉(zhuǎn)換

transform

transform會將一個函數(shù)應(yīng)用到各個分組，然后將結(jié)果放置到適當(dāng)?shù)奈恢蒙?。如果各個分組產(chǎn)生的是一個標(biāo)量值，則該值就會被廣播出去。

apply

一般性的“拆分-應(yīng)用-合并”

tips.groupby('smoker').apply(top)相當(dāng)于top函數(shù)在DataFrame的各個片段上調(diào)用，然后結(jié)果由pandas.concat組裝到一起，并以分組名稱進(jìn)行了標(biāo)記。，于是，最終結(jié)果就有了一個層次化索引，其內(nèi)層索引值來自于原DataFrame.

禁止分組鍵： 分組鍵會跟原始對象的索引共同構(gòu)成結(jié)果對象中的層次化索引。將group_keys=False傳入groupby即可禁止該效果。tips.groupby('smoker', group_keys=False).apply(top)

在GroupBy對象上調(diào)用describe相當(dāng)于f = lambda x : x.describe(); grouped.apply(f).

數(shù)據(jù)匯總工具

透視表 pivot_table

根據(jù)一個或多個鍵對數(shù)據(jù)進(jìn)行聚合，并根據(jù)行和列上的分組鍵將數(shù)據(jù)分配到各個矩形區(qū)域。

tips.pivot_table('tip_pct', index=['time', 'size', 'smoker'], 
columns='day', aggfunc='mean', fill_value=0)

交叉表 crosstab

是一種用于計(jì)算分組頻率的特殊透視表。

pd.crosstab([tips.time, tips.day], tips.smoker, margins=True)

以上這篇pandas數(shù)據(jù)分組和聚合操作方法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論