概要
分组操作的SAC过程是利用Pandas进行数据分析的基础之一,而SAC指的是分组操作中的split-apply-combine过程,其中:
- split指基于某一些规则,将数据拆成若干组
- apply是指对每一组独立地使用函数
- combine指将每一组的结果组合成某一类数据结构
split
SAC的基础是分组(split),分组最常用的函数包括:df.groupby(分组依据)
,值得注意的是,经过groupby后会生成一个groupby对象,该对象本身不会返回任何东西,只有当相应的方法被调用才会起作用。调用方法包括:
# 0.查看所有调用方法
print([attr for attr in dir(df.groupby()) if not attr.startswith('_')])
# 1.取出某一个组
df.groupby().get_group()
# 2.计算组容量和组数
df.groupby().size() # 组容量
df.groupby().ngroups # 组数
# 3. 组的遍历
for name, group in df.groupby(): #这里很妙,直接输出df.groupby().index.name会报错
print(name)
apply
在apply过程中,有四种任务类型:
- 整合(Aggregation):分组计算统计量(如求均值、求每组元素个数)
- 变换(Transformation):分组对每个单元的数据进行操作(如元素标准化)
- 过滤(Filtration):按照某些规则筛选出一些组(如选出组内某一指标小于50的组)
- 组合问题:前面提及的三种任务的组合
(未完待续。。。)