3.Pandas应用 GroupBy

1.GroupBy对象创建

# 测试数据
import pandas as pd
fortune = pd.read_csv("fortune1000.csv")
fortune.head()

创建单列GroupBy对象，使用get_group()提取数据

# 创建单列GroupBy对象，使用get_group()提取数据
sector = fortune.groupby("Sector")
sector.get_group("Apparel")

创建多列的GroupBy对象，使用元组提取数据

# 创建多列的GroupBy对象，使用元组提取数据
sector2 = fortune.groupby(["Sector","Industry"])
sector2.get_group(("Energy","Petroleum Refining"))

2.GroupBy对象属性

len()

sector = fortune.groupby("Sector")
# len属性 表示 fortune 里 Sector的类型数量 
len(sector), fortune["Sector"].nunique() == len(sector)

(21, True)

.size()

# size() 每种类型的数量
sector.size()

3.GroupBy对象方法

提取数据方法（注意：提取前一般先排序）

# first() 提取类型第一条数据
sector.first()
# last() 提取类型最后一条数据
sector.last()
# nth(n) 提取类型第n条数据，第一条n为0
sector.nth(5)
# head(n) 提取类型前n条数据，默认n=5
sector.head(3)
# tail(n) 提取类型最后n条数据，默认n=5
sector.tail(3)

聚合方法

max：求最大
min：求最小
mean：求平均值
sum：求和 等等
注意：结果是每列上的最大值，他们之间没有联系

# 注意：结果是每列上的最大值 他们之间没有联系
sector.max().head()

选取指定列

# 单列
sector["Employees"].max()
# 多列
sector[["Employees", "Profits", "Revenues"]].max()
# 所有列
sector.max()

agg() 传入一个字典参数，为指定列提供指定的聚合方法

agg_dict = {
    "Employees":"min",
    "Profits":"mean",
    "Revenues":"sum"
}
sector.agg(agg_dict).head()

apply() 传入一个自定义函数，对GroupBy对象每个分组进行操作

注意：自定义函数只接受一个DataFrame参数

## 分组前三Profits翻倍
def double_Profits(df):
    df_3 = df.head(3)
    df_3['Profits'] = df_3['Profits']*2
    return df_3

sector.apply(double_Profits)