pandas分组计算平均值_pandas聚合和分组运算——GroupBy技术(1)

数据聚合与分组运算——GroupBy技术(1)，有需要的朋友可以参考下。

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。

1、首先来看看下面这个非常简单的表格型数据集(以DataFrame的形式)：

>>> import pandas as pd

>>> df = pd.DataFrame({'key1':['a', 'a', 'b', 'b', 'a'],

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

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

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

>>> df

data1 data2 key1 key2

0 -0.410673 0.519378 a one

1 -2.120793 0.199074 a two

2 0.642216 -0.143671 b one

3 0.975133 -0.592994 b two

4 -1.017495 -0.530459 a one

假设你想要按key1进行分组，并计算data1列的平均值，我们可以访问data1，并根据key1调用groupby：

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

>>> grouped

变量grouped是一个GroupBy对象，它实际上还没有进行任何计算，只是含有一些有关分组键df['key1']的中间数据而已，然后我们可以调用GroupBy的mean方法来计算分组平均值：

>>> grouped.mean()

key1

a -1.182987

b 0.808674

dtype: float64

说明：数据(Series)根据分组键进行了聚合，产生了一个新的Series，其索引为key1列中的唯一值。之所以结果中索引的名称为key1，是因为原始DataFrame的列df['key1']就叫这个名字。

2、如果我们一次传入多个数组，就会得到不同的结果：

>>> means = df['data1'].groupby([df['key1'], df['key2']]).mean()

>>> means

key1 key2

a one -0.714084

two -2.120793

b one 0.642216

two 0.975133

dtype: float64

通过两个键对数据进行了分组，得到的Series具有一个层次化索引(由唯一的键对组成)：

>>> means.unstack()

key2 one two

key1

a -0.714084 -2.120793

b 0.642216 0.975133

在上面这些示例中，分组键均为Series。实际上，分组键可以是任何长度适当的数组：

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

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