'''
groupby 分组学习
'''
import pandas as pd
import numpy as np
df = pd.DataFrame({'key1' : ['a', 'a', 'b', 'b', 'a'],
'key2' : ['one', 'two', 'one', 'two', 'one'],
'data1' : np.arange(5),
'data2' : np.arange(1,6)})
gpkey=df.groupby(['key1','key2'])['data1'] #取出按照['key1','key2']进行分类聚合后的data1列值
mean=gpkey.agg(np.mean) #.agg(np.mean)实现计算平均数,也可写成.mean()。此外.agg(len)实现计算各分组元素数
'''
result:
key1 key2
a one 2
two 1
b one 2
two 3
'''
mean.unstack() #unstack()实现转置,将第二个分类参数key2从列转置为行,使得展示更清晰
'''
result:
key2 one two
key1
a 2 1
b 2 3
'''
gp=df.groupby(['key1']).mean() #结果中没有key2列,因为df['key2']不是数值数据,不能计算平均数,自动被排除
'''
data1 data2
key1
a 1.666667 2.666667
b 2.500000 3.500000
'''
#for key,group in df.groupby(['key1']): #迭代输出
#print(key)
#print(group)
'''
key1 key2 data1 data2
0 a one 0 1
1 a two 1 2
4 a one 4 5
b
key1 key2 data1 data2
2 b one 2 3
3 b two 3 4
'''
people = pd.DataFrame(np.arange(25).reshape(5,5),
columns=['a', 'b', 'c', 'd', 'e'],
index=['Joe', 'Steve', 'Wes', 'Jimma', 'Travis'])
key_list = ['one', 'one', 'one', 'two', 'two']
#print(people.groupby([len, key_list]).min())
#传入key_list数组,其意义是可将index值与key_list一一对应,如'Joe'->'one',以此类推,最后还是按照len(姓名字母数),进行分组
# 其用处在于它能够根据轴索引的一个级别进行聚合
columns=pd.MultiIndex.from_arrays([['US', 'US', 'US', 'JP', 'JP'],[1, 3, 5, 1, 3]],
names=['city', 'tenor'])
#MultiIndex实现多维数组定义,此例中传入两个数组参数,['US', 'US', 'US', 'JP', 'JP']和[1, 3, 5, 1, 3]],以及names表示分类名
#按照names数组分为两级,第一级'city',第二级'tenor'
# 'city'级值为['US', 'US', 'US', 'JP', 'JP']进行聚合后的分组名,分别为'US'和'JP'
#'tenor'级值为第一级每个分组的值,'US'组的值为1, 3, 5;'JP'组的值为1, 3
hier_df=pd.DataFrame(np.arange(20).reshape(4,5),columns=columns)
#print(hier_df)
'''
city US JP
tenor 1 3 5 1 3
0 0 1 2 3 4
1 5 6 7 8 9
2 10 11 12 13 14
3 15 16 17 18 19
'''
#print(hier_df.groupby(level='city',axis=1).count())
#显示按照'city'级的值('US'和'JP'),按行计算每个值的数量
'''
city JP US
0 2 3
1 2 3
2 2 3
3 2 3
'''
#print(hier_df.groupby(level='tenor',axis=1).count())
#作为比较,显示按照'tenor'级的值(1, 3, 5),按行计算每个值的数量
'''
tenor 1 3 5
0 2 2 1
1 2 2 1
2 2 2 1
3 2 2 1
'''