↑↑↑关注后"星标"Datawhale
每日干货 & 每月组队学习,不错过
Datawhale干货
作者:耿远昊,Datawhale成员
Pandas做分析数据,可以分为索引、分组、变形及合并四种操作。之前介绍过索引操作,现在接着对Pandas中的分组操作进行介绍:主要包含SAC含义、groupby函数、聚合、过滤和变换、apply函数。文章的最后,根据今天的知识介绍,给出了6个问题与2个练习,供大家学习实践。
在详细讲解每个模块之前,首先读入数据:
import numpy as np
import pandas as pd
df = pd.read_csv('data/table.csv',index_col='ID')
df.head()
SAC过程
1. 内涵
SAC指的是分组操作中的split-apply-combine过程。其中split指基于某一些规则,将数据拆成若干组;apply是指对每一组独立地使用函数;combine指将每一组的结果组合成某一类数据结构。
2. apply过程
在apply过程中,我们实际往往会遇到四类问题:
整合(Aggregation):即分组计算统计量(如求均值、求每组元素个数);
变换(Transformation):即分组对每个单元的数据进行操作(如元素标准化);
过滤(Filtration):即按照某些规则筛选出一些组(如选出组内某一指标小于50的组);
综合问题:即前面提及的三种问题的混合。
groupby函数
经过groupby后会生成一个groupby对象,该对象本身不会返回任何内容,只有当相应的方法被调用才会起作用。
1. 分组函数的基本内容:
根据某一列分组
根据某几列分组
组容量与组数
组的遍历
level参数(用于多级索引)和axis参数
a). 根据某一列分组
grouped_single = df.groupby('School')
经过groupby后会生成一个groupby对象,该对象本身不会返回任何东西,只有当相应的方法被调用才会起作用。例如取出某一个组:
grouped_single.get_group('S_1').head()
b). 根据某几列分组
grouped_mul = df.groupby(['School','Class'])
grouped_mul.get_group(('S_2','C_4'))
c). 组容量与组数
调用的时候最好先根据size看下里面的内容,不然在get_group的时候可能会出错。
grouped_single.size()
grouped_mul.size()
grouped_single.ngroups
grouped_mul.ngroups
d). 组的遍历
for name,group in grouped_single:
print(name)
display(group.head())
e). level参数(用于多级索引)和axis参数
df.set_index(['Gender','School']).groupby(level=1,axis=0).get_group('S_1').head()
2. groupby对象的特点:
查看所有可调用的方法
分组对象的head 和first
分组依据
groupby的[]操作
连续型变量分组
a). 查看所有可调用的方法
由此可见,groupby对象可以使用相当多的函数,灵活程度很高
print([attr for attr in dir(grouped_single) if not attr.startswith('_')])
b). 分组对象的head和first
对分组对象使用head函数,返回的是每个组的前几行,而不是数据集前几行
grouped_single.head(2)
first显示的是以分组为索引的每组的第一个分组信息
grouped_single.first()