Python?groupby函數(shù)圖文詳解

更新時間：2022年07月12日 09:07:31 作者：Vergil_Zsh

pandas中DataFrame提供了一個靈活高效的groupby功能,它使你能以一種自然的方式對數(shù)據(jù)集進行切片、切塊、摘要等操作,下面這篇文章主要給大家介紹了關于Python?groupby函數(shù)詳解的相關資料,需要的朋友可以參考下

一、分組原理

核心：

1、不論分組鍵是數(shù)組、列表、字典、Series、函數(shù)，只要其與待分組變量的軸長度一致都可以傳入groupby進行分組。

2、默認axis=0按行分組，可指定axis=1對列分組。

groupby()語法格式

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, group_keys=True, squeeze=False,  observed=False, **kwargs)

groupby原理

groupby就是按XX分組，比如將一個數(shù)據(jù)集按A進行分組，效果如下

使用groupby實現(xiàn)功能

import numpy as np
import pandas as pd
 
data = pd.DataFrame({
    'name': ['Tom', 'Kaggle', 'Litter', 'Sam', 'Sam', 'Sam'],
    'race': ['B', 'C', 'D', 'E', 'B', 'C'],
    'age': [37.0, 61.0, 56.0, 87.0, 58.0, 34.0],
    'signs_of_mental_illness': [True, True, False, False, False, False]
})
 
data.groupby('race')

返回結果如上得到一個叫DataFrameGroupBy的東西,pandas不能直接顯示出來可以調用list顯示出來

groupby()的配合函數(shù) 函數(shù) 適用場景備注.mean()均值.count()計數(shù).min()最小值.mean().unstack()求均值，聚合表的層次索引不堆疊.size()計算分組大小GroupBy的size方法,將返回一個含有分組大小的Series.apply().agg()

這里演示.mean()和.count()

# mean()
data.groupby('name')['age'].mean()
# count()
data.groupby('name')['age'].count()
data.groupby('age').count()

也可以根據(jù)單鍵多列進行聚合

# 單鍵多列聚合
data.groupby('name')[['race','age',]].count()

.agg操作可以取多個函數(shù)進行選擇有時候我們既需要平均值，有需要計數(shù)(也可是取一個)

agg為列表

print(data.groupby('name')['age'].agg(['mean']))
 
print(data.groupby('name')['age'].agg(['mean','count']))

也可以傳入字典，對組內不同列采取不同的操作

print(data.groupby('race').agg({'age': np.median, 'signs_of_mental_illness': np.mean}))

.apply()

可以使用我們自己所創(chuàng)建的函數(shù)

print('apply之前')
grouped = data.groupby('name')
for name, group in grouped:
    print(name)
    print(group)
print('\n')
print('apply之后')
print(data.groupby('name').apply(lambda x: x.head(2)))

簡單操作基本介紹完成

有時候需要將聚合的另一列放到一起并且取消鍵的重復值這個時候可以這樣做

上面是構建的數(shù)據(jù)，需要對訂購時間進行處理，這里我們是將月份+天數(shù)/30，然后對ID列進行去重,并將后面Time列計算的結果放到一起

import numpy as np
import pandas as pd
 
 
data = pd.read_excel('訂購時間預測2.xlsx')
def cut_m_d(x):
	return round(x.month + x.day / 30, 2)
 
data['m_d'] = data['Time'].apply(cut_m_d)
grouped = data.groupby('ID')
# 這一步是去重(ID),不去重會出現(xiàn)錯誤
result = grouped['m_d'].unique()
result2 = result.reset_index()
print(result2)