groupby后面接两个_Pandas学习笔记（十五）：GroupBy研究

前言

在之前我们的实战环节中，曾用到Pandas的groupby函数来统计一些数据，但在使用过程中，还是显得很笨拙，这一篇文章我们来重新认真梳理一下与groupby有关的知识，以便于在数据分析中更好的使用。 groupby的实质是将数据按选定的列进行分类合并后再形成一个大的“数据框架”，但这个新形成的“数据框架”却具备了很多统计功能，下面我们来详细说明。

数据准备

学习Pandas最好的方式即是使用合适的数据，为了更好地研究groupby，我们采用一些订单数据，这些数据从https://github.com/FBosler/Medium-Data-Exploration网站下载，主要下载order_leads.csv和sales_team.csv，然后用Pandas读取：

由于两个数据框架都有 Company Name 和 Company Id 列，为了处理数据方便起见，将上面两个数据集进行合并：

为了对上述数据的列名称方便引用，现将其列名称修改如下：

至此，数据准备完毕。

销售人员分类统计

为了对销售人员的销售记录进行统计，需要将上述数据按销售人员进行分组：

从上述输出来看， groupby 返回的是一个 DataFrameGroupBy 对象，在之前我们有提到过，所谓的 groupby 其实就是对某一特定的列分类汇总，如果想看一下刚创建的这个对象中的群组分类，则只需要输入 salespp.groups 即可，显示截图如下：

我们来选择分类群组中的一个特定的人，比如上面的 William Taylor ，可以这样来查询：

从上面可以看出，名叫 William Taylor 的这个人一共有 282 条记录。 现在我们来查看一下这个群组中各人的销售记录总数：

从上述结果可以看出，一共有 499 个人，他们每个人的记录都被汇总在其名字后面。 注意： 这一点就比我们之前实战时所用的方法要好得多，当时我们是这样子处理的：

如果我们想按这些销售人员名字的第一部分来进行统计，也是可以的，对于中国人姓名而言，相当于只对其 名字 进行统计，方法如下：

从这个统计与上一个统计相比，可发现，在按名字第一部分进行统计的时候，将名字一样的人进行了合并。 如果我们只想查找叫William的人的销售记录，可以这样：

由此可见，这个统计是将所有名为 William 的人的名字所销售的记录合在一起了。

将销售额进行分类

在之前介绍itertools模块的文章中，我们介绍过可以应用它里面的groupby函数来对数据进行分类，这需要自定义函数。其实在Pandas中的groupby功能也是相当强大，它甚至可以自动进行分类，比如现在我们将上述数据集中订单价值自动分为高、中、低三个档次，可以这样表示：

如果想得到和 itertools 中的 groupby 输出相同，可以用 .groups 属性来得到。 当然，我们可以不用pd.qcut来自动分类，可以自定义分组的大小，比如：

按时间分组 如果按之前我的方法，比如要对上述数据中按年来汇总的话，是这样处理的：

在 Pandas 中，其实还有一种方法，它用到了 pd.Grouper 函数：

从代码组成来看，第二种方法会感觉更好一点，这里可以做统计周期的参数分别是 Y 、 M 、 D 、 W 和 Q ，它们分别对应 年、月、日、星期、季 ，如果我们按 季 来统计，则代码如下：

按多列的分类汇总与上述相差不多，只不过要注意，当有多个列时，需要将多个列用 [] 括起来作为一个参数。

高级应用

下面我们来研究经常和groupby相关联的四个函数，这四个函数非常重要，掌握了它们，基本上就掌握了groupby的高级用法。 apply 下面我们来对销售量进行求和，这里用的是apply函数：

如果对两个量分别进行求和，则可以这样：

agg 这是聚合函数，它是aggregate的缩写形式，该函数一般结合求和、求平均或计数等函数一起使用，演示如下：

transform 在计算某列值中的每一个占整列和的百分比时，transform就派上了用场：

注意，上述代码中的 transform 也可以用 apply 代替：

filter 在过滤一些值时我们考虑使用filter，比如要查看销售量乘以订单价值大于300000的销售人员，可以这样：

在这种情况下，无法用 apply 替代 filter ，再来看一下人均销售量大于 0.3 的人：

小结 本文对Pandas的groupby函数进行了详细举例说明，熟练掌握分类汇总，对于我们的日常工作将有极大助益。