Pandas数据分析⑤——数据分组与函数使用（Groupby/Agg/Apply/mean/sum/count)

最新推荐文章于 2025-02-16 08:50:37 发布
最新推荐文章于 2025-02-16 08:50:37 发布
阅读量1.7w 收藏 105
点赞数 5
分类专栏： Pandas 文章标签： pandas 分组 pandas数据分析 pandas groupby groupby pandas groupby与聚合函数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cindy407/article/details/91387555
版权
本文介绍了Pandas中的数据分组操作，包括Groupby的基本使用、与Agg的结合、Apply的差异以及与pd.cut/pd.qcut的配合。通过实例展示了如何对数据进行分组和应用各种聚合函数，适用于数据分析师进行数据处理和分析。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

数据分析目录（文末有超级彩蛋！）：
一、Excel系列——四大常用函数及十大高级图表
二、SQL系列——性能优化/多表关联/窗口分析函数等
三、统计学系列——概率论/置信区间/相关/抽样等
四、Pandas系列——数据读取/清洗/规整/分析实战等
五、Python做图系列——箱型图/散点图/回归图/热力图等
六、业务积累系列——流水预测/精细化运营/排序算法等
七、Kmeans系列——原理/评价指标/RFM实战等
八、决策树系列——算法原理/调参/python实现/项目实战
九、贝叶斯系列——算法原理/3种模型/文本分类实战
十、神经网络系列——BP算法原理/最小二乘法/项目实战

之前写了一篇SQL聚合函数的文章，讲述了groupby及与聚合函数使用。

在Pandas数据分析中，Groupby也是使用频率非常高的方法，两者其实非常相似，看完本篇你就知道怎么用啦！（文末有大礼赠送）

一、Groupby基本使用

① groupby可以通过传入需要分组的参数实现对数据的分组，参数可以是单列，也可以是多列，分组后可以对单列进行函数处理，也可以对多列进行函数处理

（两种写法：先筛选列再groupby或者先groupby再筛选列，结果都一样，只是如果先聚合，聚合列可以只写列名，不加变量名，因为没有筛选某列前，可以直接搜索到列&#

最低0.47元/天 解锁文章
Pandas聚合操作 groupby和agg的用法归纳
qq_39060473的博客
02-29 1万+
笔者在打比赛过程中经常需要用到聚合操作，先将自己平常遇到的几种用法总结如下，便于大家和自己查询。 我们直接通过例子进行讲解，首先，我们来定义一个dataframe: import pandas as pd import numpy as np # 自定义函数，便于后面使用 def fun(arrs): res = 100 * len(arrs) return res df =...
Pandas使用教程 - 数据分组与聚合 (groupby)
qq_42568323的博客
02-12 1528
除了使用内置的聚合函数外，我们还可以传入自定义函数来对每个组的数据进行处理。假设我们想计算每个部门工资的极差（最大值减去最小值），可以自定义一个 lambda 表达式或函数来实现。我们也可以定义一个函数，并传入agg()方法。salary_range_func = df.groupby("部门")["工资"].agg(calc_range)print("各部门工资极差（自定义函数）：")输出与上例相同。
python pandas中groupby()的使用，sum和count
热门推荐
qq_39290990的博客
11-20 6万+
groupby[根据哪一列][对于哪一列]进行计算。
在 PySpark 中，如何使用 groupBy() 和 agg() 进行数据聚合操作？
最新发布
weixin_45422672的博客
02-16 218
在 PySpark 中，groupBy()和agg()是两个非常强大的函数，用于对数据进行分组和聚合操作。下面是一个详细的步骤和示例代码，展示如何使用这两个函数进行数据聚合。
pandas - groupby, agg分组统计
呵呵
08-21 3万+
参考文献 http://jingyan.baidu.com/article/adc8151358a781f723bf73c4.html http://jingyan.baidu.com/article/d45ad148947fd369552b80f6.html
pandas数据分组groupby()和统计函数agg()
蓝小白的博客
03-02 6409
数据分组 准备数据 # 一个Series其实就是一条数据，Series方法的第一个参数是data，第二个参数是index(索引)，如果没有传值会使用默认值（0-N） # index参数是我们自定义的索引值，注意：参数值的个数一定要相同。 # 在创建Series时数据并不一定要是列表，也可以将一个字典传进去。 from pandas import Series, DataFrame # 使用字典创建 index_list = ['001', '002', '003', '004', '005', '006'
Pandas中的GroupBy分组及agg()分组聚合
读万卷书 行万里路
10-11 1万+
Pandas中的分组聚合功能其实类似SQL语句中的group by自己及聚合函数用法。
pandas 的分组与聚合运算/groupby/transform/apply/agg
weixin_44595372的博客
03-08 3929
dataframe.groupby(): 用途：对一个dataframe或series进行分组计算操作 基本语法: DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs) 参数释义： by : 计算方式 by=函数：对df/s...
Pandas统计分析基础（6）：基于groupby的数据分组和分组后的数据可视化&数据聚合方法（agg/apply/transform方法）
Xlong的博客
03-23 5800
Pandas统计分析基础（6）：基于groupby的数据分组和分组后的数据可视化&数据聚合方法（agg/apply/transform方法）
pandas数据分组聚合——groupby()、aggregate()、apply()、transform()和filter()方法详解
FGH333xwy的博客
12-04 5万+
在关系型数据库库里，存在着Group by分组和聚合运算过程，Pandas提供的分组对象GroupBy，配合相关运算方法能够实现特定的分组运算目的。GroupBy对象提供分组运算步骤中的拆分功能，aggregate、transform、apply以及filter在分组运算上提供了不同的实现途径，本文详解四种方法的使用过程，对比函数特点，区分使用范围，以便更好理解数据分组运算。
pandas groupby 使用
weixin_33984032的博客
07-15 88
so useful~ refer to: http://kekefund.com/2016/06/17/pandas-groupby/ 转载于:https://www.cnblogs.com/qingyuanjushi/p/7184033.html
pandas——groupby操作
阿极的博客
02-12 1万+
在数据分析中，我们往往需要在将数据拆分，在每一个特定的组里进行运算。as_index：在groupby中使用的键是否成为新的dataframe中的索引，默认as_index=True。sort：对groupby分组后新的dataframe中索引进行排序，sort=True为升序，我们通过一个或者多个分类变量将数据拆分，然后分别在拆分以后的数据上进行需要的计算。squeeze ：如果可能的话，减少返回类型的维数，否则返回一个一致的类型。pandas中的groupby提供了一个高效的数据的分组运算。
【Pandas 基础知识 GroupBy分组】
我的数据分析师之路
05-08 4009
图解Pandas 分组机制
pandas中GroupBy:分割，应用和组合（最全解析）
qq_36044523的博客
12-02 2030
1、groupby主要用于数据的某些标签或索引的局部进行累计分析，大致过程为输入，分割，应用，组合。 import numpy as np import pandas as pd df = pd.DataFrame({'key':['A','B','C','A','B','C'], 'data':range(6)},columns = ['key','da...
python--pandas数据聚合和分组运算
m0_52484011的博客
01-27 3174
python--pandas数据聚合和分组运算
pandas 数据处理-Group by操作
weixin_40994552的博客
05-23 2079
使用 “group by” 方式我们通常会有以下一个或几个步骤： Splitting：根据某一准则对数据分组 Applying ：对每一分组数据运用某个方法 Combining ：将结果组合为数据结构 在上述步骤中，split 方法较直接，在 split 之后我们希望对分组数据做相关计算，在 apply 步骤中我们可能想对数据进行如下操作： Aggregation:：聚合操作，对分组数据做汇总统计，如计算sums 或 means、统计分组个数 counts Transformation
【转】Pandas-分组：df.groupby()
mjm891116的博客
05-06 6452
分组 根据研究目的，将所有样本点按照一个或多个属性划分为多个组，就是分组。 pandas中，数据表就是DataFrame对象，分组就是groupby方法。将DataFrame中所有行按照一列或多列来划分，分为多个组，列值相同的在同一组，列值不同的在不同组。 分组后，就得到一个groupby对象，代表着已经被分开的各个组。后续所有的动作，比如计数，求平均值等，都是针对这个对象，也就是都是针对各个组。即在每个组组内进行计数，求平均值等。 分组的返回结果 df = pd.DataFrame([['a'
【Pandas】深入解析pandas中的统计汇总函数`groupby()`
qq_38614074的博客
06-15 1203
分组后，我们可以对每个组应用各种聚合函数（如求和、均值、计数等），从而得到每个组的统计信息。通过分组统计，我们可以更好地理解数据的分布和特征，发现不同组之间的差异和联系，为后续的决策提供支持。函数提供了强大的数据分组功能，它允许我们根据一个或多个列的值将数据分成多个组，并对每个组执行各种统计操作。函数是pandas库中一个功能强大的工具，它允许我们根据一个或多个键对数据进行分组，并对每个组执行各种统计操作。假设我们有一个DataFrame，其中包含员工的姓名、部门和薪资信息，我们想要计算每个部门的总薪资。
Pandas | 数据分类与聚合（groupby & agg）
RichardsZ_的博客
09-25 1396
Pandas数据分类   当我们拿到数据后，数据往往呈现地十分全面，甚至复杂。如何根据需求提取我们所需的数据，进行分组和聚合，是非常有效的手段！ 分组方法 说明 df.groupby(‘A’) 根据‘A’列的值进行分组，返回一个groupby对象 df.groupby([‘A’,‘B’]) 根据‘A’列和’B’列的值进行分组，返回一个groupby对象 df.groupby(‘A’)[‘B’].agg(‘’) 根据‘A’列的值进行分组，并选中分组后的’B’列进行聚
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值