【Pandas】分组与聚合

最新推荐文章于 2024-01-21 03:43:01 发布

Zero400

最新推荐文章于 2024-01-21 03:43:01 发布

阅读量329

点赞数

分类专栏： Pandas 文章标签：大数据数据分析机器学习

本文链接：https://blog.csdn.net/CharlieTang123/article/details/107850683

版权

Pandas 专栏收录该内容

9 篇文章 0 订阅

订阅专栏

1 什么是分组与聚合

分组与聚合通常是分析数据的一种方式，通常与一些统计函数一起使用，查看数据的分组情况

交叉表与透视表也有分组的功能，所以算是分组的一种形式，只不过他们主要是计算次数或者计算比例。
在这里插入图片描述

2 分组API

DataFrame.groupby(key, as_index=False)
- key:分组的列数据，可以多个
案例:不同颜色的不同笔的价格数据

col =pd.DataFrame({'color': ['white','red','green','red','green'],
				   'object': ['pen','pencil','pencil','ashtray','pen'],
				   'price1':[5.56,4.20,1.30,0.56,2.75],
				   'price2':[4.75,4.12,1.60,0.75,3.15]})

	 color    object    price1    price2
0    white    pen    	5.56      4.75
1    red      pencil    4.20      4.12
2    green    pencil    1.30      1.60
3    red      ashtray   0.56      0.75
4    green    pen    	2.75      3.15

进行分组，对颜色分组，price进行聚合

# 分组，求平均值
col.groupby(['color'])['price1'].mean()
col['price1'].groupby(col['color']).mean()

color
green    2.025
red      2.380
white    5.560
Name: price1, dtype: float64

3 星巴克案例

一组关于全球星巴克店铺的统计数据，统计美国的星巴克数量和中国的哪个多。
数据来源：https://www.kaggle.com/starbucks/store-locations/data

3.1 数据获取

从文件中读取星巴克店铺数据

# 导入星巴克店的数据
starbucks = pd.read_csv("./data/directory.csv")
starbucks.head()

在这里插入图片描述

3.2 进行分组聚合

# 按照国家分组，求出每个国家的星巴克零售店数量
count = starbucks.groupby(['Country']).count()
count.head()

在这里插入图片描述

画图显示结果

count['Brand'].plot(kind='bar', figsize(20, 8))

在这里插入图片描述

# 加入省市一起进行分组
# 设置多个索引，set_index()
starbucks.groupby(['Country', 'State/Province']).count()

在这里插入图片描述
与MultiIndexx`结构类似

【Pandas】分组与聚合

目录

1 什么是分组与聚合

2 分组API

3 星巴克案例

3.1 数据获取

3.2 进行分组聚合

相关链接