import pandas as pd import numpy as np # 加載數據 users = pd.read_excel("./users.xlsx") print("users:\n",users) print("users 的列索引：\n",users.columns)print("users 的數據類型：\n",users.dtypes)# 根據班級分組、統(tǒng)計學員的班級的平均年齡 # groupby 分組 # by ---指定分組的列，可以是單列 也可以是多列 res = users.groupby(by='ORGANIZE_NAME')['age'].mean() # 按照單列進行分組，統(tǒng)計多個列的指標 res = users.groupby(by='ORGANIZE_NAME')[['age','USER_ID']].mean() res = users.groupby(by=['ORGANIZE_NAME','poo','sex'])['age'].mean() res=users.groupby(by=['ORGANIZE_NAME','poo','sex'])['age'].mean() print(res)# 利用agg # 進行同時對age 求平均值、對userid 求最大值 # 只需要指定 np.方法名 print(users.agg({'age':np.mean,'USER_ID':np.max}))# 對age 和 USER_ID 同時分別求 和 和均值 print(users[['age','USER_ID']].agg([np.sum,np.mean]))# 對age USER_ID 求取不同個數的統(tǒng)計指標 print(users.agg({'age':np.min,'USER_ID':[np.mean,np.sum]}))def hh(x):return x+1# 自定義函數進行計算 res = users['age'].apply(hh) res = users[['age','USER_ID']].apply(lambda x:x+1) res = users['age'].transform(lambda x:x+1) # 不能進行跨列的運算 print(res) res=users[['age','USER_ID']].apply(lambda x:x+1) res=users[['age','USER_ID']].apply(lambda x:x+1)

?

總結

以上是生活随笔為你收集整理的pandas数据处理分组聚合的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。