一、分组与聚合的原理
分组:使用特定的条件将原数据划分为多个组
聚合:对每个分组中的数据执行某些操作(如聚合、转换等),最后将计算的结果进行整合
分组和聚合的步骤分为三步:
拆分:将数据集按照一些标准拆分为若干个组
应用:将某个函数或方法应用到每个分组
合并:将产生的新值整合到结果对象中
二、groupby()方法
1.拆分
groupby(by=None, axis=0, level=None, as_index=True,
ort=True,group_keys=True, squeeze=False, observed=False, **kwargs)
1.by=None:用于确定分组的依据
2.axis:表示分组的轴的方向,可以为0或1,默认为0
3.level:如果某个轴是一个MultiIndex对象,则会按照特定级别或多个级别分组
4.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
5.sort:表示是否对分组标签进行排序,接受布尔值,默认为True
by参数接收的数据,也就是常见的分组方式有以下四种:
1.列表或数组,其长度必须与待分组的轴一样
2.DataFrame对象中某列的名称
3.字典或者series对象,给出待分组轴上的值与分组名称之间的对应关系
4.函数,用于处理轴索引或索引中的各个标签
2.返回对象
groupby()方法会返回一个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。
使用Series调用groupby()方法返回的是SeriesGroupBy对象。
使用DataFrame调用groupby()方法返回的是DataFrameBy对象。
3.查看分组对象
如果要查看每个分组的具体内容,则可以使用循环遍历对象
group_obj=df1.groupby(se)
for i in group_obj:
print(i)
三、按照Series对象进行分组
1.当长度不一致时
四、使用内置统计方法聚合数据
前面介绍过的Pandas统计方法,比如用于获取最大值和最小值的max()和mix(),这些方法常用于简单地聚合分组中的数据。
- max()
- min()
- mean()
- count()
# 按key1进行分组,求每个分组的平均值
df.groupby('key1').mean()