list 分组_学习笔记系列_10_数据聚合与分组操作

# 开篇导包

一、数据聚合 —— df.groupby()详解

DataFrame

参数：

• by: 用作分组的条件对象。（mapping, function, label, or list of labels）
• axis: 轴方向。（{0 or ‘index’, 1 or ‘columns’}, default 0）
• level: 索引层级，针对多层索引。（int, level name, or sequence of such, default None）
• as_index: 是否把分组后的组标签作为索引。（bool, default True）
• sort: 是否对分组标签进行排序。（bool, default True）
• group_keys: 调用apply时，是否将组键添加到索引以标识片段。（bool, default True）
• squeeze: 是否对返回值进行维度压缩。(bool, default False)
• observed: 是否显示所有分类值。（bool, default False）
• dropna: 是否删除组键里的NA值。（bool, default True）

返回值：

• DataFrameGroupBy

（一）参数详解

1. by参数

# 导入案例数据

输出：

1.1 传入单个label

# 传入单个label

输出：

1.2 传入多个label

# 传入多个label

输出：

1.3 传入一个映射关系mapping

# 传入一个映射关系mapping

输出：

1.4 传入一个function

grp 

输出：

2. axis参数

# 导入案例数据

输出：

3. level参数

# 导入案例数据

输出：

4. as_index参数

# 导入案例数据

输出：

5. sort参数

# 导入案例数据

输出：

6. group_keys

group_keys 参数在 apply 操作中很方便,它创建了一个与分组标签[group_keys=True]相对应的额外索引列。

# 导入案例数据

输出：

7. squeeze参数（新版本已经移除，可略过）

df1 

输出：

8. observed参数（新增，没有搞清楚有啥用处，待补充）

# 导入案例数据

输出：

9. dropna参数

# 导入案例数据

输出：

（二）df.groupby() 与 agg方法的联合使用

# 导入案例数据

输出：

# 1

输出：

# 2

输出：

# 3

输出：

（三）df.groupby() 与 apply方法的联合使用

# 导入案例数据

输出：

# 1

输出：

# 如果传入的函数还有其他参数的话，可以把这些参数放在函数后进行传递

输出：

（四）df.groupby() 与 pd.cut()方法的联合使用

# 导入案例数据

输出：

# 分箱

输出：

示例

pass

二、数据透视

（一）pd.pivot_table()

pandas

参数：

• data: 目标DataFrame
• values: 需要聚合的列名，默认情况下聚合所有数值型的列
• index: 在结果透视表的行上进行分组的列名或者其他分组键 （column, Grouper, array, or list of the previous）
• columns: 在结果透视表的列上进行分组的列名或者其他分组键 （column, Grouper, array, or list of the previous）
• aggfunc: 对数据进行聚合时的函数 （function, list of functions, dict, default numpy.mean）
• fill_value: 用来替换结果表中缺失值的值 （scalar, default None）
• margins: 是否添加行/列小计和总计 （bool, default False）
• dropna: 是否删除所有条目均为NaN的列 （bool, default True）
• margins_name: 小计和总计行/列的名字（str, default ‘All’）
• observed: 是否显示所有分类值 （bool, default False）

返回值：

• DataFrame: An Excel style pivot table.

# 导入案例数据

输出：

# index and values

输出：

# columns

输出：

# aggfunc

输出：

# fill_value

输出：

# margins and margin_name

输出：

pd.crosstab()

pandas

参数：

• index: 在结果透视表的行上进行分组的列 （array-like, Series, or list of arrays/Series）
• columns: 在结果透视表的列上进行分组的列 （array-like, Series, or list of arrays/Series）
• values: 进行聚合的目标列，需要同时传入aggfunc参数 （array-like, optional）
• rownames: 结果透视表中行索引的名称，需要与index参数中的数量保持一致 （sequence, default None）
• colnames: 结果透视表中列索引的名称，需要与columns参数中的数量保持一致 （sequence, default None）
• aggfunc: 聚合函数 （function, optional）
• margins: 是否添加行/列小计和总计 （bool, default False）
• margins_name: 小计和总计行/列的名字（str, default ‘All’）
• dropna: 是否删除所有条目均为NaN的列 （bool, default True）
• normalize: 是否进行标准化 （bool, {‘all’, ‘index’, ‘columns’}, or {0,1}, default False）
  • If passed ‘all’ or True, will normalize over all values.
  • If passed ‘index’ will normalize over each row.
  • If passed ‘columns’ will normalize over each column.
  • If margins is True, will also normalize margin values.

返回值：

• DataFrame: Cross tabulation of the data.

# 导入案例数据

输出：

# index、columns、values、aggfunc、rownames、columns、margins、margins_name

输出：

# normalize

输出：