python dataframe group by_DataFrame的groupby

#coding=utf-8

import pandas as pd

import numpy as np

df=pd.read_csv("groupby.csv")

print(df)

'''

company salary age

0 A 13 40

1 A 49 18

2 C 15 16

3 B 40 49

4 A 48 40

5 A 12 27

6 B 17 18

7 B 5 39

8 B 37 19

9 B 15 18

'''

#df.groupby()按哪些字段进行组,返回一个DataFrameGroupBy对象

print(df.groupby("company"))

'''

'''

#通过list()查看DataFrameGroupBy对象的内部情况

print(list(df.groupby("company")))

'''

解释:groupby的过程就是将原有的DataFrame按照groupby的字段(这里是company),划分为若干个分组DataFrame对象

[

('A',

company salary age

0 A 13 40

1 A 49 18

4 A 48 40

5 A 12 27),

('B',

company salary age

3 B 40 49

6 B 17 18

7 B 5 39

8 B 37 19

9 B 15 18),

('C',

company salary age

2 C 15 16)

]

'''

#get_group()查看分组之后其中某个分组DataFrame

g=df.groupby("company")

print(g.get_group("A"))

'''

company salary age

0 A 13 40

1 A 49 18

4 A 48 40

5 A 12 27

'''

#通过groupby分组之后,可用通过agg()函数指定聚合操作

'''

聚合函数:

min 最小值

max 最大值

sum 求和

mean 求平均值

median 求中位数

count 计数

nunique 计算去重后个数(类似sql的 count distinct)

'''

#计算不同公司员工的平均年龄和平均薪资

g=df.groupby("company")

print(g.agg({"salary":"mean","age":"mean"}))

print(g.agg("mean"))

'''

age salary

company

A 31.25 30.5

B 28.60 22.8

C 16.00 15.0

salary age

company

A 30.5 31.25

B 22.8 28.60

C 15.0 16.00

'''

#指定列,行进行操作

#计算不同公司员工的平均年龄以及薪水的中位数

g=df.groupby("company")

print(g.agg({"salary":"median","age":"mean"}))

'''

age salary

company

A 31.25 30.5

B 28.60 17.0

C 16.00 15.0

'''

#计算不同公司员工的平均年龄以及薪水的中位数,均值,总人数

g=df.groupby("company")

print(g.agg({"age":"mean","salary":["median","mean","count"]}))

'''

salary age

median mean count mean

company

A 30.5 30.5 4 31.25

B 17.0 22.8 5 28.60

C 15.0 15.0 1 16.00

'''

'''

count:计数,不包含NaN的值

size: 计数,包含NaN的值

nuinque: 计算去重后的个数(类似sql count distinct)

'''

df=pd.DataFrame({"Name":["Alice","Bob","Mallory","Mallory","Bob","Mallory"],

"City":["Seattle","Seattle","Portland","Seattle","Seattle","Portland"],

"Val":[4,3,3,np.nan,np.nan,4]})

print(df)

'''

City Name Val

0 Seattle Alice 4.0

1 Seattle Bob 3.0

2 Portland Mallory 3.0

3 Seattle Mallory NaN

4 Seattle Bob NaN

5 Portland Mallory 4.0

'''

g=df.groupby("City")

print(g.agg({"Val":["count","size"]}))

'''

由结果得知:Seattle的count=2,size=4,因为size统计了两个NaN的记录

Val

count size

City

Portland 2 2

Seattle 2 4

'''

print(g.agg({"Val":["count","size"],"Name":"nunique"}))

'''

由结果得知:Seattle分组之后,去重的姓名有三个;Portland分组之后,去重的姓名只有一个

Val Name

count size nunique

City

Portland 2 2 1

Seattle 2 4 3

'''

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值