pandas中的groupby使用方法及案例分析

GroupBy()：

官网地址：https://pandas.pydata.org/docs/reference/groupby.html

pandas中对数据进行分组操作的方法，官方有很详细的教程。下面的案例是真实遇到的问题，看一看用pandas是如何解决的。

构造数据：

import pandas as pd
import numpy as np

df = pd.DataFrame(data={
    "boss":["A"]*3+["B"]*3+["C"]*4,
    "owner":["A1","A1","A2","B1","B2","B2","C1","C1","C2","C2"],
    "month":[1,2,1,1,1,2,1,2,1,2],
    "fk_money":[10,20,30,40,50,60,70,80,90,100],
})

数据展示：

	boss	owner	month	fk_money
0	A	A1	1	10
1	A	A1	2	20
2	A	A2	1	30
3	B	B1	1	40
4	B	B2	1	50
5	B	B2	2	60
6	C	C1	1	70
7	C	C1	2	80
8	C	C2	1	90
9	C	C2	2	100

数据解释：比如第一条数据，老板A手下的业务员A1，在第1个月的放款金额为10万。

问题一：老板手下的业务员在那个月的放款金额最多？

解决方法：

• 按照owner分组，对fk_money降序排列，取第一个数据

result1_df = df.sort_values(by="fk_money",ascending=False).groupby(by="owner").head(1)

result1_df

	boss	owner	month	fk_money
9	C	C2	2	100
7	C	C1	2	80
5	B	B2	2	60
3	B	B1	1	40
2	A	A2	1	30
1	A	A1	2	20

解释：老板C手下的业务员C2在第2个月的放款金额最大为100万。

拓展：如何取第二大的数据？

• GroupBy.nth()，取每一组第n行的数据，n从0开始，0代表第一行。
• 没有第n行的时候，不取。

result1_df = df.sort_values(by="fk_money",ascending=False).groupby(by="owner",as_index=False).nth(1)

result1_df

owner	boss	month	fk_money
A1	A	1	10
B2	B	1	50
C1	C	1	70
C2	C	1	90

解释：老板A手下的A1，所有放款金额中，放款金额第二多的月份是在第一个月。

问题二：业务员每个月的放款金额占比情况？

解决方案：

1. 计算出每个业务员总的放款金额owner_total_fk_money
2. 将df与计算好的owner_total_fk_money合并
3. fk_money除以owner_total_fk_money得到需要的数据

### 代码实现：
owner_total_fk_money = df.groupby(by="owner",as_index=False).agg({"fk_money":"sum"})

result1_df = pd.merge(df,owner_total_fk_money,on="owner",how="left",suffixes=("","_total"))

result1_df["rate"] = (result1_df["fk_money"]/result1_df["fk_money_total"]).map(lambda x:"{:.2%}".format(x))

result1_df

	boss	owner	month	fk_money	fk_money_total	rate
0	A	A1	1	10	30	33.33%
1	A	A1	2	20	30	66.67%
2	A	A2	1	30	30	100.00%
3	B	B1	1	40	40	100.00%
4	B	B2	1	50	110	45.45%
5	B	B2	2	60	110	54.55%
6	C	C1	1	70	150	46.67%
7	C	C1	2	80	150	53.33%
8	C	C2	1	90	190	47.37%
9	C	C2	2	100	190	52.63%

解释：A1业务员在第一个月放款10万，占其总放款（30万）比例为33.33%，第二个月放款20万，占比为66.67%

问题三：每个老板手下业务员放款占比？

解决思路：

1. 需要知道每个老板总的放款金额，boss_df
2. 需要知道每个业务员的放款金额，owner_df
3. 按照boss字段合并boss_df和owner_df
4. 业务员的放款金额除以每个老板总的放款金额

# 计算每一个boss的总fk_money
boss_df = df.groupby(by="boss",as_index=False).agg({"fk_money":"sum"})

# 计算每一个owner的总fk_money
owner_df = df.groupby(by=["boss","owner"],as_index=False).agg({"fk_money":"sum"})

# 合并owner_df和boss_df
result2_df = pd.merge(owner_df,boss_df,on="boss",how="left",suffixes=("_owner","_boss"))

result2_df["占比"] = (result_df["fk_money_owner"]/result_df["fk_money_boss"]).map(lambda x:"{:.2%}".format(x))

result2_df

	boss	owner	fk_money_owner	fk_money_boss	占比
0	A	A1	30	60	50.00%
1	A	A2	30	60	50.00%
2	B	B1	40	150	26.67%
3	B	B2	110	150	73.33%
4	C	C1	150	340	44.12%
5	C	C2	190	340	55.88%

解释：老板A手下的A1占总放款金额（60万）比例为50%。

更多好玩的内容，欢迎关注微信公众号“数据与编程之美”