pandas df.groupby()分组后的数据访问，set_index的用法

分组方式

        注意第一种与第三种方式的区别。

import pandas as pd
dic={'省份':['A','A','A','B','C'],'城市':['a','a','a_','b','c',],'订单额':[1,2,3,4,5],'规模':[5,4,3,2,1]}
df=pd.DataFrame(dic)
# print(df)
df1=df.groupby('城市')['订单额'].sum()
df2=df.groupby(['省份','城市'])[['订单额','规模']].sum()
df3=df.groupby(['城市'])[['订单额']].sum()

1.df1=df.groupby('分组列名')['作用列名'].聚合函数()

        此时df坍缩成一对一映射的数据集，类似于map容器。

---

2.df2=df.groupby(['分组列名1','分组列名2'])[['作用列名1', '作用列名2' ]].聚合函数()

        仍可以看作是一般的df对象，'分组列名1'是合法的行索引。

                           

---

3.df3=df.groupby(['分组列名'])[['作用列名']].聚合函数()

        比第一种多了一层 [ ] ，但结构与第二种相同。

---

数据访问

        单个值

                df1['分组列名']

                df2.loc['分组列名1','分组列名2']['作用列名1/2']

                df3.loc['分组列名']['作用列名']

print(df1['a'])#实际上是一对一的映射关系
print(df2.loc['A','a']['订单额'])
#df2.loc['a']['订单额']报错:此对象不存在名为的'a'索引，可通过set_index解决
#df2.loc['A']['订单额']是一组只有A省份的城市的'订单额'
print(df3.loc['a']['订单额'])

                                                                      

---

        单行

                df1['分组列名']

                df2.loc['分组列名1','分组列名2']

                df3.loc['分组列名']

---

        一整列

                list(df1)

                list(df2['分组列名1/2'])

                list(df3['分组列名'])

print(list(df1))
print(list(df2['订单额']))
print(list(df3['订单额']))

---

 set_index的用法

#set_index用法
df2=df2.reset_index()#重置行索引，把原来的行索引内容变为列【此处是新增'省份'和'城市'两列数据】，行索引变为0,1,2...
df2=df2.set_index('城市')#设置行索引为'城市'
#此时的df2相当于是df3多加了'省份'这一列
print(df2)

     

---

完整代码

import pandas as pd
dic={'省份':['A','A','A','B','C'],'城市':['a','a','a_','b','c',],'订单额':[1,2,3,4,5],'规模':[5,4,3,2,1]}
df=pd.DataFrame(dic)
# print(df)
df1=df.groupby('城市')['订单额'].sum()
df2=df.groupby(['省份','城市'])[['订单额','规模']].sum()
df3=df.groupby(['城市'])[['订单额']].sum()

# 行索引
print(df1.index)
print(df2.index)
print(df3.index)
#单个值
print(df1['a'])#实际上是一对一的映射关系
print(df2.loc['A','a']['订单额'])
#df2.loc['a']['订单额']报错:此对象不存在名为的'a'索引，可通过set_index解决
#df2.loc['A']['订单额']是一组只有A省份的城市的'订单额'
print(df3.loc['a']['订单额'])
#一整列
print(list(df1))
print(list(df2['订单额']))
print(list(df3['订单额']))

#set_index用法
df2=df2.reset_index()#重置行索引，把原来的行索引内容变为列【此处是新增'省份'和'城市'两列数据】，行索引变为0,1,2...
df2=df2.set_index('城市')#设置行索引为'城市'
#此时的df2相当于是df3多加了'省份'这一列
print(df2)

---

 

记录一种修改数据的算法（可能numpy库有，但博主暂未涉猎）

        对原数据集将特定区间内的数据修改成同一个值。

import pandas as pd
dic={'省份':['A','A','A','B','C'],'城市':['a','a','a_','b','c',],'订单额':[1,2,3,4,5],'规模':[5,4,3,2,1]}
df=pd.DataFrame(dic)

df_tmp=df[df['订单额'].between(1,2)]
df_tmp['订单额']=0
print(df_tmp)
df[df['订单额'].between(1,2)]=df_tmp
print(df)

  

当然这样修改数据是不太规范的，所以有警告:

SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead