python dataframe group by_Python DataFrame.groupby()聚合函数,分组级运算

pandas提供了一个灵活高效的groupby功能，它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。根据一个或多个键(可以是函数、数组或DataFrame列名)拆分pandas对象。计算分组摘要统计，如计数、平均值、标准差，或用户自定义函数。对DataFrame的列应用各种各样的函数。应用组内转换或其他运算，如规格化、线性回归、排名或选取子集等。计算透视表或交叉表。执行分位数分析以及其他分组分析。

groupby分组函数：

返回值：返回重构格式的DataFrame，特别注意，groupby里面的字段内的数据重构后都会变成索引

groupby(),一般和sum()、mean()一起使用，如下例：

先自定义生成数组

import pandas as pd

df = pd.DataFrame({'key1':list('ababa'),

'key2': ['one','two','one','two','one'],

'data1': np.random.randn(5),

'data2': np.random.randn(5)})

print(df)

data1 data2 key1 key2

0 -1.313101 -0.453361 a one

1 0.791463 1.096693 b two

2 0.462611 1.150597 a one

3 -0.216121 1.381333 b two

4 0.077367 -0.282876 a one

应用groupby,分组键均为Series(譬如df[‘xx'])，实际上分组键可以是任何长度适当的数组

#将df['data1']按照分组键为df['key1']进行分组

grouped=df['data1'].groupby(df['key1'])

print(grouped.mean())

key1

a -0.257707

b 0.287671

Name: data1, dtype: float64

states=np.array(['Ohio','California','California','Ohio','Ohio'])

years=np.array([2005,2005,2006,2005,2006])

#states第一层索引，years第二层分层索引

print(df['data1'].groupby([states,years]).mean())

California 2005 0.791463

2006 0.462611

Ohio 2005 -0.764611

2006 0.077367

Name: data1, dtype: float64

#df根据‘key1'分组，然后对df剩余数值型的数据运算

df.groupby('key1').mean()

data1 data2