Python Pandas DataFrame分组排序

• 转载自 https://blog.csdn.net/ai_1046067944/article/details/86300634

一、pandas分组*

1、分组运算过程：split->apply->combine

• 拆分：进行分组的根据
• 应用：每个分组运行的计算规则
• 合并：把每个分组的计算结果合并起来

2、分组函数

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



 



by： 依据哪些列进行分组，值可以是：mapping, function, label, or list of labels

3、聚合函数

4、分组聚合实例

• 单列分组

>>> import pandas as pd



>>> df = pd.DataFrame({'A': ['a', 'b', 'a', 'c', 'a', 'c', 'b', 'c'], 'B': [2, 8, 1, 4,



3, 2, 5, 9], 'C': [102, 98, 107, 104, 115, 87, 92, 123], 'D': [2, 98, 17, 14, 15, 7, 92,



 13]})



>>> df



   A  B    C   D



0  a  2  102   2



1  b  8   98  98



2  a  1  107  17



3  c  4  104  14



4  a  3  115  15



5  c  2   87   7



6  b  5   92  92



7  c  9  123  13



>>> df.groupby(by='A').sum()



    B    C    D



A



a   6  324   34



b  13  190  190



c  15  314   34

• 多列分组

>>> df.groupby(by=['A','B']).sum()             ###A,B成索引



       C   D



A B



a 1  107  17



  2  102   2



  3  115  15



b 5   92  92



  8   98  98



c 2   87   7



  4  104  14



  9  123  13

• 多列聚合

>>> df.groupby(by=['A','B'])['C'].sum()      ###1个列



A  B



a  1    107



   2    102



   3    115



b  5     92



   8     98



c  2     87



   4    104



   9    123



 



>>> df.groupby(by=['A','B'])['C','D'].sum()   ###2个列



       C   D



A B



a 1  107  17



  2  102   2



  3  115  15



b 5   92  92



  8   98  98



c 2   87   7



  4  104  14



  9  123  13

• 多列不同聚合方式

>>> import numpy as np



>>> df.groupby(by=['A']).agg({'C':[np.mean, 'sum'], 'D':['count',np.std]})



            C          D



         mean  sum count       std



A



a  108.000000  324     3  8.144528



b   95.000000  190     2  4.242641



c  104.666667  314     3  3.785939



 



 



>>>ps: 不同列使用多个不同函数进行聚合C： mean，sum；D：count，std

• 返回值类型区别

方法1：agg



>>> df.groupby(by=['A']).agg({'C':[np.mean]})



            C



         mean



A



a  108.000000



b   95.000000



c  104.666667



>>> type(df.groupby(by=['A']).agg({'C':[np.mean]}))



<class 'pandas.core.frame.DataFrame'>



 



 



方法2：索引



>>> df.groupby(by=['A'])['C'].mean()



A



a    108.000000



b     95.000000



c    104.666667



Name: C, dtype: float64



>>> type(df.groupby(by=['A'])['C'].mean())



<class 'pandas.core.series.Series'>



 



 



 



总结： 两种方法结果一样，但是一个类型是DataFrame,一个为Series；有时候会用上

二、pandas排序

• 按索引进行降序排列

>>> df



   A  B    C   D



0  a  2  102   2



1  b  8   98  98



2  a  1  107  17



3  c  4  104  14



4  a  3  115  15



5  c  2   87   7



6  b  5   92  92



7  c  9  123  13



>>> df.sort_index(ascending=False)       ### 索引



   A  B    C   D



7  c  9  123  13



6  b  5   92  92



5  c  2   87   7



4  a  3  115  15



3  c  4  104  14



2  a  1  107  17



1  b  8   98  98



0  a  2  102   2

• 按值进行降序排列

>>> df.sort_values(by="A",ascending=False)        # 按某一列



   A  B    C   D



3  c  4  104  14



5  c  2   87   7



7  c  9  123  13



1  b  8   98  98



6  b  5   92  92



0  a  2  102   2



2  a  1  107  17



4  a  3  115  15



 



>>> df.sort_values(by=["B","A"],ascending=False)   # 按2列



   A  B    C   D



7  c  9  123  13



1  b  8   98  98



6  b  5   92  92



3  c  4  104  14



4  a  3  115  15



5  c  2   87   7



0  a  2  102   2



2  a  1  107  17