pandas（七） -- 数据分组

数据分组官方文档
分组统计 - groupby功能

• 根据某些条件将数据拆分成组
• 对每个组单独使用函数
• 将结果合并到一个数据结构中

根据单列或多列分组 .groupby()
分组后的对象执行数值计算函数 .sum(),.mean()…
分组后对象同时使用多个函数 --agg()。

df.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)

参数：

• by 标签（label）或标签列表
• axis 默认值为0
• level MultiIndex时有效
• as_index 布尔型值 默认是True – 使用grouped的标签作为index.若为False – grouped的标签仍为标签，会新生成0~n-1的index.
• sort 是否对grouped的标签排序

返回的是GroupBy 对象。通过list()，查看具体内容

df

经过group方法后，得到的是groupby对象，是一个中间数据，没有进行计算

a = df.groupby('A').mean()#单列整合
b = df.groupby(['A','B']).mean()#多列整合

c = df.groupby(['A'])['D'].mean()  # 以A分组，算D的平均值.返回的是Series对象

• 使用list()将groupby对象变成列表对象，可查看具体内容

list(df.groupby('A'))

列表是两个元组对象。每个元组包含‘A’的标签名和相应的DataFrame或Series。

[('bar',      A      B         C        D
  1  bar    one  0.953897  0.26375
  3  bar  three  0.190113  1.01115
  5  bar    two  0.941511 -0.51730), ('foo',      A      B         C         D
  0  foo    one  1.119704 -0.742148
  2  foo    two  0.643483 -1.147405
  4  foo    two -0.952974 -0.434241
  6  foo    one -0.421435  0.933791
  7  foo  three -0.042118  0.641683)]

• get_group()
  df.groupby(['A']).get_group('bar')与list(df.groupby('A'))[0][1]相同
  
• .groups：将分组后的groups转为dict
  
• 分组计算函数方法

grouped = df.groupby(['A'])
print(grouped)
print(grouped.first(),'→ first：非NaN的第一个值\n')
print(grouped.last(),'→ last：非NaN的最后一个值\n')
print(grouped.sum(),'→ sum：非NaN的和\n')
print(grouped.mean(),'→ mean：非NaN的平均值\n')
print(grouped.median(),'→ median：非NaN的算术中位数\n')
print(grouped.count(),'→ count：非NaN的值\n')
print(grouped.min(),'→ min、max：非NaN的最小值、最大值\n')
print(grouped.std(),'→ std，var：非NaN的标准差和方差\n')
print(grouped.prod(),'→ prod：非NaN的积\n')

• 多函数计算：agg()

函数写法可以用str，或者np.方法
求均值和求和

可以通过list，dict传入，当用dict时，key名为columns → 更新pandas后会出现警告

 df.groupby('A')['C'].agg({'result1':np.mean,
                               'result2':np.sum})