df=pd.read_csv(‘JD.csv’,encoding=‘gbk’)
#抽取数据
df1=df[[‘一级分类’,‘二级分类’,‘7天点击量’,‘订单预定’]]
df2=df1.groupby([‘一级分类’,‘二级分类’]).sum() #分组统计求和
示例3:
求各二级分类的七天点击量。首先按“二级分类”分类,而后进行分组统计求和。
df1 = df1.groupby(‘二级分类’)[‘七天点击量’].sum()
## 2.对分组数据进行迭代
示例1:
按照“一级分类”分组,并且输出每一分类中的订单数据
抽取数据
df1 = df[[‘一级分类’,‘七天点击量’,‘订单预定’]]
for name, group in df.groupby(‘一级分类’)
print(name)
print(group)
其中name是‘一级分类’, group是其他数据。因此使用groupby()函数对多列进行分组,那么需要在for循环中指定多列。
## 3.对分组的某列或多列使用聚合函数
Python也可以实现像SQL中的分组聚合运算操作,主要通过groupby()函数与agg()函数实现。
以下代码实现:
1. 以'一级分类'分组,求分组后的平均值与和
2.以'一级分类'分组,求分组后'七天点击量'的平均值与和,求'订单预定'的和
df1.groupby(‘一级分类’).agg([‘mean’,‘sum’])
df1.groupby(‘一级