015 pandas分组与聚合

DataFrame 具有的 groupby 方法能够轻松的将数据分组 

数据格式：

       Brand  Store Number     Store Name Ownership Type     Street Address  \
0  Starbucks  47370-257954  Meritxell, 96       Licensed  Av. Meritxell, 96   

               City State/Province Country Postcode Phone Number  \
0  Andorra la Vella              7      AD    AD500    376818720   

                  Timezone  Longitude  Latitude  
0  GMT+1:00 Europe/Andorra       1.53     42.51  

 

import pandas as pd
import numpy as np

file_path = '数据'
pd.set_option('display.max_columns', 20)
df = pd.read_csv(file_path)

print(df.head(1))
# print(df.info())

# 返回一个元祖，第一个值为要分组的组名，第二个值为数据
grouped = df.groupby(by='Country')
# print(grouped)
# for i, j in grouped:
#     print(i)
#     print('*'*100)
#     print(j)
#     print('-'*100)
# 比较美国和中国星巴克的数量
# country_count = grouped['Brand'].count()
# print(country_count['US'])
# print(country_count['CN'])

# 统计中国每个省份的星巴克数量
china_data = df[df['Country'] == 'CN']

# 按照 'State/Province' 分组，并统计 'Brand' 的数量
grouped = china_data.groupby(by='State/Province').count()['Brand']

# 输出处理之后的数据
print(grouped.sort_values())

结果 index为各个省份的代码

State/Province
64      2
63      3
62      3
14      8
15      8
52      9
92     13
22     13
36     13
23     16
46     16
45     21
41     21
13     24
53     24
34     26
43     35
50     41
61     42
21     57
12     58
35     75
37     75
42     76
51    104
91    162
11    236
33    315
44    333
32    354
31    551
Name: Brand, dtype: int64

Process finished with exit code 0