数据聚合与分组运算(一)

最新推荐文章于 2024-10-03 22:36:13 发布

置顶

LinGavinQ

最新推荐文章于 2024-10-03 22:36:13 发布

阅读量1k

点赞数 1

分类专栏：利用Python进行数据分析(第二版) 文章标签： python pandas

本文链接：https://blog.csdn.net/qq_42893334/article/details/104143453

版权

本文介绍了pandas的GroupBy机制，包括分组、应用函数和合并操作，用于数据集的切片、切块和摘要分析。通过示例展示了如何按一个或多个键进行分组，计算分组统计，以及进行透视表和时间序列的重采样分析。GroupBy对象允许延迟计算，提供灵活的数据处理方式。

摘要由CSDN通过智能技术生成

对数据集进行分组并对各组应用一个函数，通常是数据分析工作中的重要环节。在将数据集加载、融合、准备好之后，通常就是计算分组统计或生成透视表。pandas提供了一个灵活高效的gruopby功能，它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。

=====================================
本系列内容：使用一个或多个键（形式可以是函数、数组或DataFrame列名）分割pandas对象。计算分组的概述统计。应用组内转换或其他运算。计算透视表或交叉表。执行分位数分析以及其它统计分组分析。

对时间序列数据的聚合（groupby的特殊用法之一）也称作重采样

GroupBy机制

一个用于表示分组运算的术语"split-apply-combine"（拆分－应用－合并）。第一个阶段，pandas对象（无论是Series、DataFrame还是其他的）中的数据会根据你所提供的一个或多个键被拆分（split）为多组。拆分操作是在对象的特定轴上执行的。然后，将一个函数应用（apply）到各个分组并产生一个新值。最后，所有这些函数的执行结果会被合并（combine）到最终的结果对象中。结果对象的形式一般取决于数据上所执行的操作。