Pandas之七分组统计

最新推荐文章于 2023-02-12 18:10:58 发布
最新推荐文章于 2023-02-12 18:10:58 发布
阅读量358 收藏
点赞数 1
分类专栏： 数据分析 大数据 文章标签： python big data
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/idiotion/article/details/120484482
版权

Pandas之七分组统计

关注微信公众号：数据研发技术，点击菜单：PY宝典，查看往期精彩内容

在数据分析时，分组也是一个常用的功能，比如分别统计每个月的股票波动率、每个部门的人数、每个季度的利润等等。在Pandas中提供了groupy方法对数据进行分组。Pandas中的groupby一般包括以下三个步骤：

  1. 拆分，依据指定的规则将数据拆分为不同的组合。
  2. 执行函数，将一个方法相对独立地在每个组合上执行。
  3. 组合，将每个组合上执行的结果组合到一个结果集中。

下面我们以图中的数据来演示上述各项功能。

1、分组

使用groupby方法，将df3进行分组，并使用list查看分组的内容。

g1 = df3.groupby("E")
g1
list(g1)

可以看到，分组实际上是将指定分组的列不同值作为key（默认忽略np.nan，可以使用dropna=False配置修改），再将dataframe中相应的数据拆分出来作为其value。

2、求和示例

分组后的对象，可以使用多种内置聚合函数，比如求和sum、平均值mean、标准差std等。本例对分组后的对象g1进行求和，计算根据E列分组后，其他各列求和的结果。

也可以计算指定列的求和结果，比如只计算A列的和。

点个关注再走呗👉👉👉

阿坚87
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pandas python 分组统计的方法
SCUT_Sam
05-17 4万+
首先，看看本文所面向的应用场景：我们有一个数据集df，现在想统计数据中某一列每个元素的出现次数。这个在我们前面文章《如何画直方图》中已经介绍了方法，利用value_counts()就可以实现（具体回看文章） 但是，现在，我们考虑另外一个场景，我们假如要想统计其中两列元素出现次数呢？举个栗子： 在df数据集中，如果我们想统计A、B两列的元素的出现情况，也就是说，得到如下表。 从
Pandas - 数据分组统计
最新发布
Garson的博客
11-06 1194
对数据进行分组统计，主要适用DataFrame对象的groupby()函数。其功能如下。（1）根据特定条件，将数据拆分成组（2）每个组都可以独立应用函数（如求和函数sum()，均值函数mean()等）（3）将结果合并到一个数据结构中示例1:根据“一级分类”对订单数据进行分组统计求和。示例2:按照图书“一级分类”和“二级分类”对订单数据进行分组统计求和示例3:求各二级分类的七天点击量。首先按“二级分类”分类，而后进行分组统计求和。
案例：利用pandas按区间统计各分数段成绩人数并可视化
mighty13的专栏
06-24 4万+
需求 现有一批成绩，要求统计各分数段人数并可视化。 要点 pandas.cut可以把一组数据分割成离散的区间，并用为数据打上标签。然后配合pandas.value_counts函数按值计数。 注意！仅能应用于Series类型。 实现1 代码： import pandas as pd import matplotlib.pyplot as plt # 分数 score = [22,51,60,80,70,96,89,95,68,88,85,79,100] # 设置分段 bins=[0,60,70,80,90
使用pandas分析医院人群20分钟分段就医人数
chinacnd的博客
07-28 344
分析医院每20分钟段就医人数情况，找出医院集中就医的时间段。思路首先要对各个时间段的人员进行时间段标记，然后通过分组聚合使用count（）函数统计每个时间段的人数。
Pandas统计特征函数
疯狂的兔子
12-01 4442
Python中用于数据探索的库主要是Pandas和Matplotlib，Pandas提供了大量与数据探索相关的函数。这些统计特征函数能反映出数据的整体分布，主要作为Pandas的对象DataFrame或Series的方法出现。 sum()：计算数据样本的总和（按列计算） mean()：计算数据样本的算术平均数 var()：计算数据样本的方差 std()：计算数据样本的标准差 corr()：
pandas 学习汇总12 - 描述性统计(比较全 tcy)
tcy-阿春
12-04 714
描述性统计 2018/12/4 1.统计函数说明：  大部分是聚合函数（因此产生低维结果）采用 轴参数（通过名称或整数） 可选level参数，该参数仅在对象具有分层索引时才适用 可选skipna参数，一般默认排除系列输入上的NA值。   2.窗口函数：  df.rolling(window, min_periods=None, center=False, win_type=None...
详解python pandas 分组统计的方法
09-18
主要介绍了详解pandas python 分组统计的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Pandas分组与排序的实现
09-19
在数据分析和处理中，Pandas库提供了强大的数据操作功能，其中分组与排序是两个非常重要的概念。本文将深入探讨Pandas如何实现分组与排序，以及如何通过这些功能进行有效的数据挖掘和分析。 首先，我们来看Pandas的...
pandas数据分组和聚合操作方法
09-20
本文主要探讨了Pandas中的数据分组和聚合操作，这是数据分析过程中非常关键的步骤，能够帮助我们有效地摘要和理解数据。 Pandas的GroupBy机制遵循"split-apply-combine"的模式，即将数据拆分（split）、对每个子集...
Python Pandas分组聚合的实现方法
09-19
在Python的Pandas库中，分组聚合是一个强大的数据分析工具，允许我们对数据集进行复杂的统计分析。本文将深入探讨如何使用Pandas实现分组聚合，主要包括`apply()`、`applymap()`、`map()`以及`groupby()`等方法。 ...
学生分数的统计，统计某分数的学生人数
12-10
#include<stdio.h> #define N 100 void main() { int i,j,m,n=0,a,b,score[N]; int Count=0; int Count1=0; int k=0; printf("输入总的学生数:\n"); //输入学生人数 scanf("%d",&m); for(i=0;i<m;i++) //输入学生成绩 { printf("输入第%d个人的成绩\n",i+1); scanf("%d",&score[i]); if(score[i]>100||score[i]<0) { printf("成绩在0~100之间，请重新输入!"); printf("输入第%d个人的成绩\n",i+1); scanf("%d",&score[i]); } } for(a=0;a<=100;a++) { n=0; for(b=0;b<=i;b++) { if(a==score[b]) n++; }; if(n>0) printf("分数为%d的人有%d\n",a,n); }; }
Python实践之Pandas的使用——分析统计学生期末成绩并绘图
m0_61934621的博客
12-24 7374
1.从18.student_score.csv文件中读取同学的成绩册，处理好缺失值。 2.将实验报告成绩从ABCD转换成百分制，统计出实验成绩。A为90分，B为75分，C为60分，D为40分。 3.按照平时成绩20%，实验成绩30%，期末成绩50%的比例计算综合成绩，形成新的综合成绩列。 4.统计全班综合成绩[90,100],[80,89],[70,79],[60-69],[0,59]各段成绩的人数并画饼图。 5.将完整的成绩保存到score.csv文件中，打开excel检查输出是否正确。
7.Python(pandas)处理数据集的分组、聚合、合并数据集、生成虚拟变量、数值变量分段等操作
m0_63953077的博客
02-12 2074
Python(pandas)处理数据集的分组、聚合、合并数据集、生成虚拟变量、数值变量分段等操作
pandas做数据分析(五):统计相关函数
谢小小XH
05-02 3万+
pandas中常用的统计相关函数
pandas小记：pandas时间序列分析和处理Timeseries
热门推荐
皮皮blog
08-15 10万+
http://blog.csdn.net/pipisorry/article/details/52209377pandas 最基本的时间序列类型就是以时间戳（TimeStamp）为 index 元素的 Series 类型。其它时间序列处理相关的包[P4J 0.6: Periodic light curve analysis tools based on Information Theory][p4
pandas 学习汇总11 - 统计：pd.cut与pd.qcut数字按区间划分( tcy)
tcy-阿春
12-04 1万+
pd.cut与pd.qcut数字按区间划分    2018/12/4 1.函数：  pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False) 用途：返回 x 中的每一个数据 在bins 中对应 的范围 参数： # x ： 必须是一维数据 # bins： 不同面...
pandas数据分组统计数量
02-01
我们可以使用pandas的`groupby`函数进行数据分组，然后使用`size`函数计算每组数据的数量。例如： ``` import pandas as pd # 创建示例数据 df = pd.DataFrame({'A': ['a', 'b', 'c', 'a', 'b', 'c'], 'B': [1, 2, 3, 4, 5, 6]}) # 分组统计数量 df_grouped = df.groupby('A').size() print(df_grouped) ``` 输出结果为： ``` A a 2 b 2 c 2 dtype: int64 ``` 如果需要分组统计多列，可以指定多个列进行分组： ``` df_grouped = df.groupby(['A', 'B']).size() print(df_grouped) ``` 输出结果为： ``` A B a 1 1 4 1 b 2 1 5 1 c 3 1 6 1 dtype: int64 ``` 另外，还可以使用`count`函数进行分组统计，这个函数会统计非空值的数量： ``` df_grouped = df.groupby('A').count() print(df_grouped) ``` 输出结果为： ``` B A a 2 b 2 c 2 ``` 希望这些信息能帮到您！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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