pandas通俗易懂——groupby函数

前言

pandas中的groupby函数功能就如同字面意思，通过某个特征将数据组织起来。只不过其返回值不是DataFrame，而是另一种形式，所以没法直接将groupby的返回值输出出来，其返回值常与.mean()/.count()/.median()等搭配起来输出，下面通过例子说明。

正文

import pandas as pd
from pandas import DataFrame
df = DataFrame({'key1':list('ababa'),
                'key2': ['one','two','one','three','one'],
                'data1': np.arange(0, 5),
                'data2': np.arange(5, 10)})
df.head()

1. groupby的返回值是什么

df.groupby(['key1'])

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x0000024296D93F48>

我们可以看出，直接输出返回值是一个重构格式的DataFrame对象，没法直接拿来用。刚刚说了，groupby的作用是通过某个特征（这里就是“key1”）来组织数据，那这个返回值到底是什么样的形式呢？

返回值是个重构格式的DataFrame，虽然没法直接输出出来，但其实返回值我们可以理解它长这样：

回想刚刚说的，是不是就是按照“key1”这个特征将数据重新组织起来了，当然这都是我们自己这么理解的，实际可能更复杂。

我们搭配mean()求均值：

df.groupby(['key1']).mean()

因为“key2”这列都是字符串，所以没法求均值，最后输出没有“key2”这一列，很好理解对吧。

2. groupby中有多个参数情况

上面我们只通过“key1”这一个特征来重新组织数据，如果我们想用"key1"和"key2"两个特征来重新组织呢？那就传两个特征进去：

df.groupby(['key1','key2'])

同理，这时我们可以理解返回值长这样：（实际返回值不是这样的，但我们可以这么理解）

求一下均值看看：

df.groupby(['key1','key2']).mean()

END