python中groupby和pivot区别

groupby：

import pandas as pd
import numpy as np

#制作数据源
company=["A","B","C"]
​
data=pd.DataFrame({
    "company":[company[x] for x in np.random.randint(0,len(company),10)],
    "salary":np.random.randint(5,50,10),
    "age":np.random.randint(15,50,10)
}
)

#三个用法之一：agg用法
x1 = data.groupby("company").agg("mean")
data.groupby('company').agg({'salary':'median','age':'mean'})


#三个用法之二：transform用法
#拼接均值方法一
avg_salary_dict = data.groupby('company')['salary'].mean().to_dict()

data['avg_salary'] = data['company'].map(avg_salary_dict)

#拼接均值方法二
data['avg_salary1'] = data.groupby('company')['salary'].transform('mean')

#三个用法之三：apply用法：自定义函数
def get_oldest_staff(x):
    df = x.sort_values(by = 'age',ascending=True)
    return df.iloc[-1,:]
​
x2=data.groupby('company',as_index=False).apply(get_oldest_staff)

 

 pivot

#功能：透视表

#pivot_table有四个最重要的参数index、values、columns、aggfunc，
#本文以这四个参数为中心讲解pivot操作是如何进行。

#参数
#index是要分组的变量
#values是要计算的列
#aggfunc可以指定聚合的函数，可以传递函数

import pandas as pd
import numpy as np
df.pivot_table(index=['月份'],values=['案件金额'],aggfunc=[np.max,np.sum,lambda x:len(x.unique()),len]).reset_index()