---

官網地址：https://pandas.pydata.org/docs/reference/groupby.html

---

pandas中對數據進行分組操作的方法，官方有很詳細的教程。下面的案例是真實遇到的問題，看一看用pandas是如何解決的。

---

構造數據import pandas as pdimport numpy as npdf = pd.DataFrame(data={ "boss":["A"]*3+["B"]*3+["C"]*4, "owner":["A1","A1","A2","B1","B2","B2","C1","C1","C2","C2"], "month":[1,2,1,1,1,2,1,2,1,2], "fk_money":[10,20,30,40,50,60,70,80,90,100],})

---

數據展示

	boss	owner	month	fk_money
0	A	A1	1	10
1	A	A1	2	20
2	A	A2	1	30
3	B	B1	1	40
4	B	B2	1	50
5??	B	B2	2	60
6	C	C1	1	70
7	C	C1	2	80
8	C	C2	1	90
9	C	C2	2	100

解釋：比如第一條數據，老板A手下的業務員A1，在第1個月的放款金額為10萬。

---

問題一、老板手下的業務員在哪個月的放款金額最多？

解決思路：

• 按照owner分組，降序排列，取第一個數據

result1_df = df.sort_values(by="fk_money",ascending=False).groupby(by="owner").head(1)result1_df

	boss	owner	month	fk_money
9	C	C2	2	100
7	C	C1	2	80
5	B	B2	2	60
3	B	B1	1	40
2	A	A2	1	30
1	A	A1	2	20

解釋：老板C手下的業務員C2在第2個月的放款金額最大為100萬。

拓展：如何取第二大的數據？

• GroupBy.nth()，取每一組第n行的數據，n從0開始，0代表第一行。

• 沒有第n行的時候，不取。

result1_df = df.sort_values(by="fk_money",ascending=False).groupby(by="owner",as_index=False).nth(1)result1_df

owner	boss	month	fk_money
A1	A	1	10
B1	B	1	50
C1	C	1	70
C2	C	1	90

問題二、業務員每月放款金額占比情況？

解決思路：

計算出每個業務員總的放款金額owner_total_fk_money

將df與計算好的owner_total_fk_money合并

fk_money除以owner_total_fk_money得到需要的數據

### 代碼實現：owner_total_fk_money?=?df.groupby(by="owner",as_index=False).agg({"fk_money":"sum"})result1_df = pd.merge(df,owner_total_fk_money,on="owner",how="left",suffixes=("","_total"))result1_df["rate"] = (result1_df["fk_money"]/result1_df["fk_money_total"]).map(lambda x:"{:.2%}".format(x))result1_df

	boss	owner	month	fk_money	fk_money_total	rate
0	A	A1	1	10	30	33.33%
1	A	A1	2	20	30	66.67%
2	A	A2	1	30	30	100.00%
3	B	B1	1	40	40	100.00%
4	B	B2	1	50	110	45.45%
5	B	B2	2	60	110	54.55%
6	C	C1	1	70	150	46.67%
7	C	C1	2	80	150	53.33%
8	C	C2	1	90	190	47.37%
9	C	C2	2	100	190	52.63%

解釋：A1業務員在第一個月放款10萬，占其總放款(30萬)比例為33.33%，第二個月放款20萬，占比為66.67%

---

問題三、每個老板手下業務員放款占比？

解決思路：

需要知道每個老板總的放款金額，boss_df

需要知道每個業務員的放款金額，owner_df

按照boss字段合并boss_df和owner_df

業務員的放款金額除以每個老板總的放款金額

# 計算每一個boss的總fk_moneyboss_df = df.groupby(by="boss",as_index=False).agg({"fk_money":"sum"})# 計算每一個owner的總fk_moneyowner_df = df.groupby(by=["boss","owner"],as_index=False).agg({"fk_money":"sum"})# 合并owner_df和boss_dfresult2_df = pd.merge(owner_df,boss_df,on="boss",how="left",suffixes=("_owner","_boss"))result2_df["占比"] = (result_df["fk_money_owner"]/result_df["fk_money_boss"]).map(lambda x:"{:.2%}".format(x)result2_df

	boss	owner	fk_money_owner	fk_money_boss	reate
0	A	A1	30	60	50.00%
1	A	A2	30	60	50.00%
2	B	B1	40	150	26.67%
3	B	B2	110	150	73.33%
4	C	C1	150	340	44.12%
5	C	C2	190	340	55.88%

解釋：老板A手下的A1占總放款金額(60萬)比例為50%。

----END----

總結

以上是生活随笔為你收集整理的pandas合并groupby_pandas实践之GroupBy()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。