目录
一、分组与聚合的原理
二、groupby()方法拆分成组
三、数据集合
一、分组与聚合原理
(1)、分组是使用特定的条件将元数据进行划分为多个组。聚合是对每个分组中的数据执行某些操作,最后将计算结果进行整合。
(2)、过程:
拆分:将数据集按照些标准拆分为若干个组。
应用:将某个函数或方法(内置和自定义均可)应用到每个分组。
合并:将产生的新值整合到结果对象中。
二、groupby()方法拆分
(1)方法: groupby(by=None,axis=0,level=None,as_index=True,sort=True,group_keys=True,squeeze=False,observed=False,kwargs)
参数含义:by:用于确定进行分组的依据。
axis:表示分组轴的方向,可以为0(表示按行)或(表示按列),默认为0。
level:如果某个轴是一个MultiIndex对象,则会按特定级别或多个级别分组。
as_index:表示聚合后的数据是否以组标签作为索引的DataFrame对象输出,,接受布尔值,默认为True。
sort:表示是否对分组标签进行排序,接受布尔值,默认为True。
注:通过groupby()方法执行分组操作,会返回一个GroupBy对象,该对象实际上并没有进行任何计算,只是包含一些关于分组键的中间数据而已。一般,使用Series调用groupby()方法返回的是SeriesGroupBy对象,而使用DataFrame调用groupby()方法返回的是DataFrameBy对象。
(2)、按列名进行分组:
1、代码:
import numpy as np import pandas as pd df = pd.DataFrame({"key": ['C', 'B', 'C', 'A', 'B', 'B', 'A', 'C', 'A'], "Data": [2, 4, 6, 8, 10, 1, 14, 16, 18]}) print(df) group_obj = df.groupby(by='key') print("df.groupby(by='key'):\n", group_obj)
2、如果要查看每个分组的具体内容,应该使用for循环遍历DataFrameGroupBy对象。
代码:
for i in group_obj:
print(i)
(3)、按Series对象进行分组:
df= pd.DataFrame({'key1': ['A', 'A', 'B', 'B', 'A'],
'kye2': ['one', 'two', 'one', 'two', 'one'],
'data1': [2, 3, 4, 6, 8],
'data2': [3, 5, 6, 3, 7]})
print(df)
se = pd.Series(['a', 'b', 'c', 'a', 'b'])
group_obj = df1.groupby(by=se)
for i in group_obj:
print(i)
(4)、按字典进行分组:
注:用字典对DataFrame进行分组时,需要确定轴的方向及字典中的映射关系,即字典中的键为列名,字典的值为自定义的分组名。
df- = DataFrame({'a': [1, 2, 4, 8, 3],
'b': [9, 6, 3, 7, 5],
'c': [2, 3, 4, 6, 8],
'd': [3, 5, 6, 3, 7]})
mapping = {'a': '第一组', 'b': '第二组', 'c': '第三组', 'd': '第一组'}
print(df)
by_columns = df.groupby(by=mapping, axis=1)
print("by_columns:")
for i in by_columns:
print(i)
(5)、按函数进行分组:在调用groupby()方法时传入了内置函数len(),表明len()函数会对行索引一列执行求长度的操作,以行索引名称的长度进行分组,则长度相同的行索引名称会分成一组。
df= DataFrame({'a': [1, 2, 4, 8, 3],
'b': [9, 6, 3, 7, 5],
'c': [2, 3, 4, 6, 8],
'd': [3, 5, 6, 3, 7]},
index=['Boy', 'Tom', 'Jok', 'Jacn', 'Helen'])
group_obj3 = df.groupby(by=len)
print("group_obj")
for i in group_obj:
print(i)
三、数据聚合
(1)、如果内置方法无法满足聚合要求,则用agg()方法自定义函数
.agg(func,axis = 0,* args,** kwargs )
(2)对每一列数据应用同一个函数
def diff_max_min(x):
return x.max() - x.min()