python分组聚合,pandas数据分组和聚合操作方法

《Python for Data Analysis》

GroupBy

分组运算：split-apply-combine(拆分-应用-合并)

DataFrame可以在其行(axis=0)或列(axis=1)上进行分组。然后，将一个函数应用到各个分组并产生新值。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去。

GroupBy的size方法可以返回一个含有分组大小的Series。

对分组进行迭代

?

选取一个或一组列

?

通过字典或Series进行分组

只需将字典或Series传给groupby即可。

通过函数分组

people.groupby(len).sum() #根据人名的长度进行分组

通过索引级别分组

层次化索引数据，根据索引级别进行聚合，通过level关键字传入级别编号或名称。

?

数据聚合

经过优化的groupby方法

函数名

说明

count

分组中非NA值得数量

sum

非NA值的和

mean

非NA值的平均值

median

非NA值的算术平均数

std、var

无偏(分母为n-1)标准差和方差

min、max

非NA值的最小值和最大值

prod

非NA值的积

first、last

第一个和最后一个非NA值

对于上述描述统计方法，可以将函数名以字符串的形式传入agg方法。例如：grouped.agg(['mean', 'std'])

如果要使用自己的聚合函数，只需将其传入aggregate或agg方法即可

?

面向列的多函数应用，可以对不同的列使用不同的聚合函数或者一次应用多个函数。

如果传入一组函数或函数名，得到的DataFrame的列就会以相应的函数命名

如果传入的是一个由(name,function)元组组成的列表，各个元组的第一个元素就会被用作DataFrame的列名。

不同的列使用不同的聚合函数也可以向agg传入一个从列名映射到函数的字典

?

分组级运算和转换

transform

transform会将一个函数应用到各个分组，然后将结果放置到适当的位置上。如果各个分组产生的是一个标量值，则该值就会被广播出去。

apply

一般性的“拆分-应用-合并”

tips.groupby('smoker').apply(top)相当于top函数在DataFrame的各个片段上调用，然后结果由pandas.concat组装到一起，并以分组名称进行了标记。，于是，最终结果就有了一个层次化索引，其内层索引值来自于原DataFrame.

禁止分组键： 分组键会跟原始对象的索引共同构成结果对象中的层次化索引。将group_keys=False传入groupby即可禁止该效果。tips.groupby('smoker', group_keys=False).apply(top)

在GroupBy对象上调用describe相当于f = lambda x : x.describe(); grouped.apply(f).

数据汇总工具

透视表 pivot_table

根据一个或多个键对数据进行聚合，并根据行和列上的分组键将数据分配到各个矩形区域。

?

参数名

说明

values

待聚合的列的名称。默认所有列

rows

用于分组的列名或者其他分组键，出现在结果透视表的行

cols

用于分组的列名或者其他分组键，出现在结果透视表的列

aggfunc

聚合函数或函数列表，默认“mean”。可以是任何对groupby有效的函数

fill_value

用于替换结果表中缺失值

margins

添加行/列小计和总计，默认为False

交叉表 crosstab

是一种用于计算分组频率的特殊透视表。

?

以上这篇pandas数据分组和聚合操作方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。

原文链接：https://blog.csdn.net/Shingle_/article/details/72677135