Pandas DataFrame分组与聚合操作详解：groupby()函数深度学习

Pandas之分组(groupby)整理

来自《使用Python进行数据分析》的总结groupby函数可以让数据按照不同形式的key进行分组。
键可以是列表、数组、列名、字典、系列或函数。
分组键的长度必须与要分组的轴一致。
键可以是列名，字典或Series给出值和组名之间的对应关系，函数处理轴索引或标签。
示例数据：创建一个包含“key1”、“key2”、“data1”和“data2”列的DataFrame。
1.按'key1'分组并计算'data1'的平均值。
使用groupby，指定分组键“key1”，并对“data1”调用mean()函数。
输出是一个groupby对象。
使用head()和tail()查看前几条或后几条记录，使用apply()查看所有数据。
遍历时，输出是一个字典，key是分组字段值，value是'data1'计算结果。
仅使用一个键时，“key2”列将被忽略并且不会显示。
2.按'key1'和'key2'分组并计算'data1'的平均值。
使用groupby，指定分组键为['key1','key2']，并计算'data1'的平均值。
使用unstack()方法将“data1”平均值转换为DataFrame。
遍历结果是一致的。
3.以数组作为分组键的示例。
创建数组并对它们进行分组。
4.获取组大小。
使用size()方法查看组大小。
5.返回Series或DataFrame。
使用groupby，指定列名列表和计算函数，返回一个DataFrame或Series。

Python数据分析之PandasDataframe分组与聚合操作

分组和聚合也是数据分析中非常重要的一部分，也是必须掌握的点。
本文将介绍Dataframe数据的分组和聚合。

GroupPandas提供了groupby()方法来实现分组操作，它接收一个by参数，接收一个或多个键，指示按什么分组，并返回结果DataFrameGroupBy对象，它是一个可迭代对象。
每个重复的元素都是一个元组。
元组由分组值和分组DataFrame对象组成：

分组依据：

grouped=df.groupby("city")forcity,groupingrouped:print(city)print(group)

结果如下：

groupby()方法还支持基于多列分组只需发送返回结果中多一个列表参数，分组值是一个元组，例如基于citGroupy和性别：

grouped=df.groupby(["city","gender"])forcity,groupingrouped:print(city)print(group)

聚合

分组后的DataFrameGroupBy对象可以进行数据聚合计算，可以使用如下聚合函数：

数量函数名称描述组中非NaN的数量。
um非NaN值的总和max。
非NaN值中的最大值min非NaN值中的最小值Mean非NaN值的平均值mid非NaN值的中值std，是非NaN值的标准差和方差​​

例如获取一组中非NaN的个数：

grouped.count()

结果如下如下：

其他几个使用方法都是一样的就不说了一一列出。

原创不易，觉得有用，点个赞，留下吧~