pandas之groupby分组与pivot_table透视表

pandas之groupby分组与pivot_table透视表

在使用pandas进行数据分析时，避免不了使用groupby来对数据进行分组运算。

groupby的参数

groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)

• by：mapping, function, str, or iterable。

  用于确定groupby的组。如果by是一个函数，那么会调用对象索引的每个值。如果传递了一个dict或Series,则将使用Series或dict的值来确定组。一个str或者一个strs列表可以通过自己的列传递给group。

• axis：轴，int值，默认为0

• level：如果axis是一个MultiIndex（分层），则按特定的级别分组。int值，默认为None

• as_index：对于聚合输出，返回带有组标签的对象作为索引。as_index=False实际上是“SQL风格”分组输出，boolean值，默认为True。

• sort：排序。关闭此功能以获得更好的性能。boolean值，默认True。

• group_keys：当调用apply时，添加group key来索引来识别片断。boolean值，默认True。

• squeeze：尽可能减少返回类型的维度，否则返回一致的类型。boolean值，默认False。

groupby的聚合函数

groupby的聚合函数有：

函数名	说明
count	分组中非NA值的数量
sum	非NA值的和
mean	非NA值的平均值
median	非NA值的算术中位数
std、var	无偏（分母为n-1）标准差和方差
min、max	非NA值的最小值和最大值
prod	非NA值的积
first、last	第一个或最后一个非NA值

groupby示例

groupby的测试数据：

https://github.com/zhang3550545/resource/blob/master/raw/groupby_test.csv

• 读取groupby_test.csv文件中的数据，输处文件内容。

if __name__ == '__main__':
    data = pd.read_csv('groupby_test.csv')
    print(data[:10])

• groupby函数，对区域字段进行分组，对总价求平均值。

results = data.groupby(['区域'])['总价']

print(results)  # 输出：<pandas.core.groupby.SeriesGroupBy object at 0x0000023D2AA02EF0>

print(results.mean())

• groupby函数，对区域字段进行分组，对面积求和。

results = data.groupby(['区域'])['面积'].sum()

print(results)

• groupby函数，对区域字段进行分组，对区域计算count。

results = data.groupby(data['区域'], sort=False)['区域'].count()

print(results)

• groupby函数，对区域字段进行分组，求总价，单价，面积的平均值。

results = data.groupby(['区域'])['总价', '单价', '面积'].mean()

print(results)

• groupby函数，对区域，版块2个字段进行分组，求单价的平均值。

results = data.groupby(['区域', '版块'])['单价'].mean()

print(results)

pivot_table透视表

使用pivot_table透视表实现groupby的功能

results = pd.pivot_table(data, index=['区域', '版块'], values=['单价'])

print(results)