// Pandas分組聚合

創建對象：姓名、歷次測驗語文成績，數學成績，英語成績

df = pd.DataFrame({'name': ['張三','李四','王五','李四','王五','王五','趙六'],'chinese':np.random.randint(35,100,7),'math':np.random.randint(35,100,7),'english':np.random.randint(35,100,7),'test': ['一','一','一','二','二','三','一'] })df df.index,df.columns

統計分析：

# 按列求科目成績平均值 df.mean()# 按行求學生每次考試平均值 df.mean(axis='columns')# 快速綜合統計 df.describe()

分組：
groupby()，一般指以下一個或多個操作步驟的集合

• Splitting 將數據分組
• Applying 對每個分組應用不同的function
• Combining 使用某種數據結果展示結果

# 創建group對象，未進行計算 df.groupby('name')# 調用函數做分組計算，分組后求每組平均值 # 可將列名或列值當作分組對象，分組中數值列會被聚合，非數值列會從結果中排除 a = df.groupby('name').mean()# 如果不想使用分組列作為索引，設置參數as_index=False b = df.groupby('name',as_index=False).mean()# 對多列分組后求平均值 c = df.groupby(['name','chinese']).mean() c2 = df.groupby(['name','chinese'],as_index=False).mean()

更多操作：

# 分組數據的個數 df.groupby('name').size()# 遍歷分組對象 for (method, group) in df.groupby('name'): # print(method) # print(group)print(group.shape)# 對分組后的部分列做統計 df.groupby('name')['math'].describe() # 行列旋轉 df.groupby('name')['math'].describe().unstack()

聚合:
aggregate()，或agg()

aggregate函數的參數：

• 參數可以是列表，列表元素是指標的計算函數或特定的指標名字符串
• 參數可以是字典，函數會根據字典內容對指定列進行不同的指標計算
• 參數可以是系統或自定義函數，各分組都進行計算后返回結果

df# 分組 df.groupby('name').mean()# 聚合參數是列表 d = df.groupby('name').aggregate(['min',max,np.mean])# 聚合參數是字典 df.groupby('name').aggregate({'chinese':'min','math':'max'})# 聚合是自定義函數 def hs(arr):return arr.mean()-1df.groupby('name').agg(hs)

其他分組運算
運用 groupby 函數進行分組后，我們能做的事情還有很多，并不局限于聚合匯總

利用 fliter 函數來對分組進行篩選，留下符合條件的分組:

def filter_func(x):return x['math'].mean() >= 60 # 數學成績平均值大于等于60分e = df.groupby('name').filter(filter_func) e.groupby('name').mean()

使用 transform 函數對所有的數據元素進行轉換計算:

# 所有列減去60 df.groupby('name').transform(lambda x: x - 60)

運用 apply 函數，我們可以一次性對所有的分組進行不同規則的運算:

# 某列單獨計算 def a2(x):x['chinese'] = x['chinese'] + 10x['english'] -= 10return xdf.groupby('name').apply(a2)

在 groupby 函數的輸入中自定義分配每一行記錄所屬的分組

如果我們的輸入就是原始數據集 df 中的某一列，那么這一列將被作為分組的依據，這種方法比直接輸入列名要顯得麻煩一些

# 傳入結構一樣的列，傳入索引會替換掉原索引 df.groupby(['張三','李四','王五','李四','王五','王五','張三']).mean() df.groupby([0,0,0,0,0,0,0]).mean()

groupby 函數將會根據索引值進行分組，我們可以通過輸入一個字典對象的方式，來給不同的索引值重新分配組別：

df2 = df.set_index('name') df2# 合并行計算 mapping = {'張三': '一個人', '趙六': '一個人', '李四': '李四new'} df2.groupby(mapping).mean()# 通過輸入一個列表的形式來使多種映射同時生效： df2.groupby(['name', mapping]).mean()

綜合應用：輸出所有人在所有測試中的數學成績

# 所有人在所有測試中的數學成績 df.groupby(['name',df['test']])['math'].mean().unstack().fillna(0)

總結

以上是生活随笔為你收集整理的数据规整的全部內容，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。