pandas分组聚合

加载数据

import pandas as pd
import numpy as np

users = pd.read_excel('./users.xlsx')

groupby指定分组的列可以是单列，也可以是多列

根据班级分组，统计学员的班级的平均年龄

res = users.groupby(by='ORGANIZE_NAME')['age'].mean()

按照ORGANIZE_NAME分组，再按照poo分组，统计学员的班级的平均年龄

res = users.groupby(by=['ORGANIZE_NAME','poo'])['age'].mean()

统计age和USER_ID的均值

res = users.groupby(by=['ORGANIZE_NAME','poo'])[['age','USER_ID']].mean()

agg进行聚合运算

利用agg同时对age求平均值，对USER_ID求最大值

#只需要指定,np.方法名。
print(users.agg({'age':np.mean,'USER_ID':np.max}))

对多个列，进行多个统计方法统计

print(users[['age','USER_ID']].agg([np.mean,np.max]))

对age求sum,对USER_ID求mean和sum

print(users.agg({'age':np.sum,'USER_ID':[np.mean,np.sum]}))

自定义函数进行计算

apply的使用：给age这列的数值加一

res = users['age'].apply(lambda x:x+1)
print(res)

def hh(x):
    return x+1
res = users['age'].apply(hh)
print(res)

transform的使用：给age这列的数值加一

res = users['age'].transform(lambda x:x+1)
print(res)

transform的使用：age列+1，USER_ID列加1

res = users[['age','USER_ID']].transform(lambda x:x+1)

print(res)

注：不能进行跨列计算