1.Groupby
Grouyby是pandas中最常用和有效的分组函数,有sum(),count(),mean()等
e.g
import pandas as pd
import numpy as np
a=pd.DataFrame({'key1':list('aabba'),
'key2':['one','two','one','two','one'],
'data1':np.random.randn(5),
'data2':np.random.randn(5})
grouped=a.groupby(a['key1'])
print grouped.mean()
a.groupby(lambda x:'even' if x%2==0 else 'odd').mean()
2.聚合agg()
e.g
a=DataFrame({'key':['a','a','b','b','a'],
'key2':['one','two','one','two','one'],
'data1':np.random.randn(5),
'data2':np.random.randn(5)})
grouped=a.groupby('key1')
print grouped.agg('mean')
#apply()和agg()功能上差不多,apply()常常用来处理不同分组的缺失数据的填充和top N的计算,会产生级层索引,而agg可以同时传入多个函数,作用于不同的列
e.g
a=DataFrame({'key1':['a','a','b','b','a'],
'key2':['one','two','one','two','one'],
'data1':np.random.randn(5),
'data2':np.random.randn(5)})
grouped=a.groupby('key1')
print grouped.agg(['sum','mean'])
print grouped.apply(np.sum)
apply和agg功能上基本是相近的,但是多个函数的时候还是agg比较方便
apply本身的自由度很高,如果分组之后不做聚合操作,仅仅是一些观察的时候,apply就有用武之地了
e.g
print grouped.apply(lambda x: x.describe())