PyPackage01---Pandas02_汇总和频数统计

  单变量频数统计&多变量分组统计中的相关方法～

1. count&unique&nunique

import pandas as pd

test_data = pd.DataFrame({
    'x1': ["a", "b", "c", "b"],
    "x2": [1, 2, 3, 4],
    "x3": [4, 3, 2, 1]
})
test_data

	x1	x2	x3
0	a	1	4
1	b	2	3
2	c	3	2
3	b	4	1

1.1 统计个数count

## 统计个数
test_data.x1.count()

4

1.2 统计不重复值个数nunique

## 统计不重复的个数
test_data.x1.nunique()

3

1.3 筛选不重复值

## 得到不重复的值
## 返回结果是array
test_data.x1.unique()

array(['a', 'b', 'c'], dtype=object)

1.4 统计某一个值的频数

  不同于列表，可以直接统计某个值出现的次数，DataFrame需要做一些转换。

list(test_data.x1).count('b')

2

sum(test_data.x1.apply(lambda x: 1 if x=='b' else 0))

2

test_data.x1.apply(lambda x: 1 if x=='b' else 0).sum()

2

2. 分组统计—groupby

  groupby有一点奇葩，分组之后，label都变成索引(行名了)，可以设置as_index=False改变默认参数。
文档地址:https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.groupby.html

import pandas as pd

x = pd.DataFrame({
    "x1": ["a", "a", "b", "b", 'c'],
    "x2": [1, 1, 1, 2, 2],
    "x3": [1, 2, 3, 4, 5]
})

x

	x1	x2	x3
0	a	1	1
1	a	1	2
2	b	1	3
3	b	2	4
4	c	2	5

2.1 分组统计count(*)

# 分组统计各个列的个数
x.groupby(by='x1').count()

	x2	x3
x1
a	2	2
b	2	2
c	1	1

x.groupby(by=['x1', 'x2'], as_index=False).count()

	x1	x2	x3
0	a	1	2
1	b	1	1
2	b	2	1
3	c	2	1

# 这里没有分各个列。
x.groupby(by='x1').size()

x1
a    2
b    2
c    1
dtype: int64

2.2 分组统计count(distinct col1)

# 类似于sql：select x1,count(distinct x1),count(distinct x2),count(distinct x3) from table group by x1
x.groupby(by='x1').nunique()

	x1	x2	x3
x1
a	1	1	2
b	1	2	2
c	1	1	1

2.4 其余统计函数

x.groupby(by=["x1",'x2']).mean()

		x3
x1	x2
a	1	1.5
b	1	3.0
	2	4.0
c	2	5.0

x.groupby(by=["x1",'x2']).sum()

		x3
x1	x2
a	1	3
b	1	3
	2	4
c	2	5

x.groupby(by=["x1",'x2'], as_index=False).aggregate(sum)

	x1	x2	x3
0	a	1	3
1	b	1	3
2	b	2	4
3	c	2	5

2.5 整体的描述统计

x.groupby(by=["x1",'x2'], as_index=True).describe()

		x3
		count	mean	std	min	25%	50%	75%	max
x1	x2
a	1	2.0	1.5	0.707107	1.0	1.25	1.5	1.75	2.0
b	1	1.0	3.0	NaN	3.0	3.00	3.0	3.00	3.0
	2	1.0	4.0	NaN	4.0	4.00	4.0	4.00	4.0
c	2	1.0	5.0	NaN	5.0	5.00	5.0	5.00	5.0

x.groupby(by=["x1",'x2'], as_index=False).describe()

	x2								x3
	count	mean	std	min	25%	50%	75%	max	count	mean	std	min	25%	50%	75%	max
0	2.0	1.0	0.0	1.0	1.0	1.0	1.0	1.0	2.0	1.5	0.707107	1.0	1.25	1.5	1.75	2.0
1	1.0	1.0	NaN	1.0	1.0	1.0	1.0	1.0	1.0	3.0	NaN	3.0	3.00	3.0	3.00	3.0
2	1.0	2.0	NaN	2.0	2.0	2.0	2.0	2.0	1.0	4.0	NaN	4.0	4.00	4.0	4.00	4.0
3	1.0	2.0	NaN	2.0	2.0	2.0	2.0	2.0	1.0	5.0	NaN	5.0	5.00	5.0	5.00	5.0

                                            2018-10-13 于南京市栖霞区紫东创业园