左手用R右手Python系列6——变量计算与数据聚合

R语言与Python的Pandas中具有非常丰富的数据聚合功能，今天就跟大家盘点一下这些函数的用法。

R语言：

• transform
• mutate
• aggregate
• grouy_by+summarize
• ddply

Python:

• groupby
• pivot.table

在R语言中，新建变量最为快捷的方式是通过transform(当然你可以选择使用自定义函数)，该函数支持基于同一个数据框新建多个变量。

这里仍然使用经典的莺尾花数据集演示：

iris1<-iris

transform与mutate两个函数都是新建变量，但是前者仅能基于所提供的数据框内变量进行新建，而后者则可以直接在新建变量基础上进行操作。

(iris1<-transform(iris1,dek=Sepal.Length/Sepal.Width,pek=Petal.Length+Petal.Width)) (iris1<-dplyr::mutate(iris1,dek=Sepal.Length+Sepal.Width,jek=sqrt(dek)))

aggregate是专门用于分组聚合的函数：

aggregate(value~class,data,fun) #表达式左侧是要聚合的目标度量，右侧是分组依据，紧接着是数据框名称，最后是聚合函数。

aggregate(Sepal.Length~Species,iris,mean) aggregate(Sepal.Length~Species,iris,sum)

library(dplyr) 使用group_by函数结合summarize可以方便的完成分组聚合功能。 iris%>%group_by(Species)%>%summarize(means=mean(Sepal.Length)) iris%>%group_by(Species)%>%summarize(sums=sum(Sepal.Length))

R语言中的分组聚合如果使用矢量函数来进行操作，会大大提升其执行效率：

tapply(iris$Sepal.Length,iris$Species,mean) tapply(iris$Sepal.Length,iris$Species,sum)

tapply(X, INDEX, FUN = NULL, …, simplify = TRUE) tapply是一个快捷的分组聚合函数，其参数简单易懂，通过提供一个度量，一个分类别字段，一个聚合函数即可完成简答的数据聚合功能。

library(plyr) ddply(iris,.(Species),summarize,means=mean(Sepal.Length)) ddply(iris,.(Species),summarize,means=sum(Sepal.Length))

ddply(.data, .variables, .fun =) #一般只需提供数据框，带聚合分类字段，以及最终的聚合函数与聚合变量公式。它的用法与内置的tpply用法如出一辙。

----------

Python:

----------

import pandas as pd import numpy as np

Python中长用到的数据聚合工具主要包括groupby函数，agg函数以及povit_table等。

• groupby
• agg
• povit_table

iris=pd.read_csv("C:/Users/RAINDU/Desktop/iris.csv",sep=",") iris.head() iris.describe()

使用pandas中的groupby方法可以很快捷的进行分组数据聚合。

iris.groupby('Species')['Sepal.Length'].mean() iris.groupby('Species')['Sepal.Length'].sum() iris.groupby('Species')['Sepal.Length'].agg([len,np.sum,np.mean]) iris.groupby('Species')['Sepal.Length'].agg({'count':len,'sum':np.sum,'mean':np.mean}) #对输出进行自定义命名：

只聚合一个变量可以直接使用对应聚合函数，需要聚合多个变量则可以 借助agg函数完成。

pd.pivot_table(iris,index=["Species"],values=["Sepal.Length"],aggfunc=[len,np.sum,np.mean],margins=False)