【pandas之聚合函数agg方法实战记录】

系列文章目录

二，pandas之聚合函数agg的使用

文章目录

• 系列文章目录
• 前言
• 一、pandas是什么？
• 二、使用步骤
  • 1.引入库
  • 2.读入数据
  • 3.统计相同'的代发薪公司'的数据,各列求和汇总
  • 4.聚合后的group对象的数据在前面新增4列("代发薪公司",'发薪公司','代申报公司', '纳税地'),'发薪公司'的值为'总计'
  • 5.对各个要统计的列进行求和
• 总结

---

前言

在pandas中, 为了统一计算多列数据的不同值不如求和,计数,最大值,最小值,中位数,平均值等,引入agg聚合函数，agg和aggregate两个函数指向同一个方法，使用时写任意一个即可。

一、pandas是什么？

pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、使用步骤

1.引入库

代码如下：

import numpy as np
import pandas as pd

2.读入数据

agg前的DataFrame数据new_nor_sum2_df, debug一下展示数据结构如下：

3.统计相同'的代发薪公司'的数据,各列求和汇总

 代码如下:

new_nor_sum2_group = new_nor_sum2_df[
            ~new_nor_sum2_df[('发薪公司', '')].str.endswith('小计')].groupby(
            [('代发薪公司', '')]).agg(
            {('中国籍', '人数'): 'sum', ('中国籍', '工资个税'): 'sum', ('非中国籍', '人数'): 'sum',
             ('非中国籍', '工资个税'): 'sum',
             ('合计', '人数'): 'sum', ('合计', '工资个税小计'): 'sum'})

 分三大步:

        (1)筛选出new_nor_sum2_df中不以"小计"两个字结尾的"发薪公司"的数据,因为带有"小计"尾缀的数据针对具有相同"代申报公司"数据的求和,不应该计入总计.如下图所示的

                                        筛选前有72条数据

         

                                            筛选后有68条数据 

        (2)按照"代发薪公司"的不同用groupby进行分组;

new_nor_sum2_df[
            ~new_nor_sum2_df[('发薪公司', '')].str.endswith('小计')].groupby(
            [('代发薪公司', '')])

        (3)groupby分组后接上agg聚合函数,写入每列的统计方法时用大括号括起来

        聚合的方法有: 计数count,求和sum,最大值max,最小值min平均值mean,中位数median等

new_nor_sum2_group = new_nor_sum2_df[
            ~new_nor_sum2_df[('发薪公司', '')].str.endswith('小计')].groupby(
            [('代发薪公司', '')]).agg(
            {('中国籍', '人数'): 'sum', ('中国籍', '工资个税'): 'sum', ('非中国籍', '人数'): 'sum',
             ('非中国籍', '工资个税'): 'sum',
             ('合计', '人数'): 'sum', ('合计', '工资个税小计'): 'sum'})

4.聚合后的group对象的数据在前面新增4列("代发薪公司",'发薪公司','代申报公司', '纳税地'),'发薪公司'的值为'总计'

new_nor_sum2_group.insert(0, "代发薪公司", list(new_nor_sum2_group.index))
        new_nor_sum2_group.insert(1, '发薪公司', '总计')
        new_nor_sum2_group.insert(2, "代申报公司", '')
        new_nor_sum2_group.insert(3, "纳税地", '')
new_nor_sum2_df = new_nor_sum2_df.append(new_nor_sum2_group)

5.对各个要统计的列进行求和

        group_cn_per = new_nor_sum2_group[('中国籍', '人数')].sum()  # 中国籍'人数'总和
        group_cn_tax = new_nor_sum2_group[('中国籍', '工资个税')].sum()  # 中国籍'工资个税'总和
        group_ncn_per = new_nor_sum2_group[('非中国籍', '人数')].sum()  # 非中国籍'人数'总和
        group_ncn_tax = new_nor_sum2_group[('非中国籍', '工资个税')].sum()  # 非中国籍'工资个税'总和
        group_total_per = new_nor_sum2_group[('合计', '人数')].sum()  # 合计'人数'总和
        group_total_tax = new_nor_sum2_group[('合计', '工资个税小计')].sum()  # 合计'工资个税小计'总和

最后,把该group对象的所有值放回到原来的new_nor_sum2_df中

new_nor_sum2_df = pd.DataFrame(
            np.insert(new_nor_sum2_df.values, len(new_nor_sum2_df.index),
                      values=new_nor_sum2_group, axis=0))

debug一下展示效果

 因为篇幅原因,若展示全图,CSDN显示会模糊,故展示部分图片

---

总结

       使用agg聚合函数进行统计各种类型的值时,先要进行groupby分组操作,按照需要统计的某一个维度(某一列)统一进行聚合计算(count,sum,max.mean等)