pandas 分组聚合

基础

数据链接
https://wws.lanzous.com/i8oZGgjqvbi

统计每个国家的星巴克的数量

按照单字段聚合

# -*- codeing = utf-8 -*-
import pandas as pd
import numpy as np

df = pd.read_csv("../data/starbucks_store_worldwide.csv")
# 按国家进行分组后会有很多列 然后取Brand列进行统计，结果是各个国家的星巴克的数量
all_country_data_count = df.groupby(by="Country")["Brand"].count()
print(all_country_data_count )

统计美国的星巴克的数量

# -*- codeing = utf-8 -*-
import pandas as pd
import numpy as np

df = pd.read_csv("../data/starbucks_store_worldwide.csv")
# 按国家进行分组后会有很多列 然后取Brand列进行统计，结果是各个国家的星巴克的数量
all_country_data = df.groupby(by="Country")["Brand"].count()
# 统计美国的星巴克的数量
us_data_count= all_country_data["US"]
print(us_data_count)

统计美国每个省份星巴克的数量

# -*- codeing = utf-8 -*-
import pandas as pd
import numpy as np

df = pd.read_csv("../data/starbucks_store_worldwide.csv")
#  选国家家为美国的，然后按照省份进行分组，取星巴克这一列，进行统计
us_province_data = df[df["Country"] == "US"].groupby(by="State/Province")["Brand"].count()
print(us_province_data)

统计美国AK省份星巴克的数量 法1

按照多字段聚合

# -*- codeing = utf-8 -*-
import pandas as pd
import numpy as np

df = pd.read_csv("../data/starbucks_store_worldwide.csv")
# 按照国家和国家中的省份进行分组 然后取品牌这一列进行统计
# 分组后形成的是series
all_country_count = df.groupby(by=["Country","State/Province])["Brand"].count()
print(all_country_count["US"]["AK"])  # 第一种索引方式
#print(all_country_count["US", "AK"])  # 第二种索引方式

统计美国AK省份星巴克的数量 法2

# -*- codeing = utf-8 -*-
import pandas as pd
import numpy as np

df = pd.read_csv("../data/starbucks_store_worldwide.csv")
# 按照国家和国家中的省份进行分组 然后取品牌这一列进行统计
# 分组后形成的是DataFrame 索引是复合索引
all_country_count = df.groupby(["Country", "State/Province"])[["Brand"]].count()
print(all_country_count.loc["US"].loc["AK"])

综合使用

分组之后，往往会进行后续的处理，所以搭配一些函数介绍

数据创建连接 ：从高级创建部分看
数据创建好后的部分内容如下

卖菜人一个月的卖菜情况

item:菜名 salesman：卖菜人 weight：进菜重量 price：卖菜价格

分组之后普通函数的使用

统计这一个月，张大妈，李大妈，赵大爷，销售了多少斤蔬菜

ret = df.groupby(['salesman'])['weight']
ret.sum()

分组之后 apply() 函数的使用

apply方法每次处理数据是一组一组进行处理的
统计出摊次数 卖菜总重量 一个月平均每天卖菜的重量（保留2位小数）
出摊次数举例：例如张大妈卖菜 100 200 300 斤， 总共买了三次，所以出摊次数为3次

# 出摊次数 卖菜总重量 一个月平均每天卖菜的重量（保留2位小数）
def analysis(x):
    return (x.count(),x.sum(),np.round(x.mean(),decimals=2))

ret.apply(analysis)

分组之后 agg() 函数的使用

统计每个销售人员一个月卖的3种菜的总重量和每种菜的平均价格

g = df.groupby(['salesman','item'])
g.agg({'weight':'sum','price':'mean'}).round(2)