【博客地址】:https://blog.csdn.net/sunyaowu315
【博客大纲地址】:https://blog.csdn.net/sunyaowu315/article/details/82905347
目录:
- 对数据集进行分组并对各组应用一个函数(无论是聚合还是转换),这是数据分析工作中的重要环节。在将数据集准备好之后,通常的任务就是计算分组统计或生成透视表。pandas提供了一个灵活的groupby功能,它能够以一种自然的方式对数据集进行切片、切块、摘要等操作。
- 关系型数据库和SQL能够流行的原因之一就是能够方便地对数据进行连接、过滤、转换和聚合等。
- python和pandas强大的能力,有助于执行更复杂的分组运算,如:
- 根据一个或多个键(可以是函数、数组或DataFrame列名)拆分pandas对象
- 计算分组摘要统计,如计数、平均值、标准差或用户自定义函数
- 对DataFrame的列应用各种各样的函数
- 应用组内转换或其他函数,如规格化、线性回归、排名或选取子集等
- 计算透视表或交叉表等
- 执行分位数分析以及其他分组分析
一 GroupBy技术
- split-apply-combine(拆分-应用-合并),基本描述了groupby的整个过程。分组运算的第一个阶段,pandas对象中的数据会根据提供的键被拆分为多组,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在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到最终的结果对象中。
- 分组键可以有多种形式,且类型不必相同:
- 列表或数组,其长度与待分组的轴一样
- 表示DataFrame某个列名的值
- 字典或Series,给出待分组轴上的值与分组名之间的对应关系
- 函数,用于处理轴索引或索引中的各个标签
- 分组产生的变量grouped是一个GroupBy对象,实际上还没有进行任何计算,只是含有一些有关分组键的中间数据。换句话说,该对象已经有了接下来对各分组执行运算所需的一切信息。数据Series根据分组键进行了聚合,产生了一个新的Series
- 如果通过两个键对数据进行分组,得到的Series具有一个层次化索引
- 分组键可以为Series,也可以是任意长度的数组,还可以是列名
- 分组过程中的“麻烦列”会在结果中被踢出。默认情况下,所有数值列都会被聚合,虽然有时可能会被过滤为一个子集。
- 无论准备拿groupby干啥,都可能会用到groupby的size方法,它可以返回一个含有分组大小的Series
1 对分组进行迭代
- GroupBy