pandas分组聚合详解

一 前言

pandas学到分组迭代，那么基础的pandas系列就学的差不多了，自我感觉不错，知识追寻者用pandas处理过一些数据，蛮好用的；

知识追寻者(Inheriting the spirit of open source, Spreading technology knowledge;)

二 分组

2.1 数据准备

# -*- coding: utf-8 -*-

import pandas as pd
import numpy as np

frame = pd.DataFrame({
 'user' : ['zszxz','craler','rose','zszxz','rose'],
 'hobby' : ['reading','running','hiking','reading','hiking'],
 'price' : np.random.randn(5),
 'number' : np.random.randn(5)
})
print(frame)

输出

user hobby price number 0 zszxz reading 0.275752 -0.075841 1 craler running -1.410682 0.259869 2 rose hiking -0.353269 -0.392659 3 zszxz reading 1.484604 0.659274 4 rose hiking -1.348315 2.492047

2.2 分组求均值

提取DataFrame中price 列，根据hobby列进行分组，最后对分好组的数据进行处理求均值；

# 是个生成器
group = frame['price'].groupby(frame['hobby'])
# 求均值
print(group.mean())

输出

hobby hiking -0.850792 reading 0.880178 running -1.410682 Name: price, dtype: float64

Tip: 可以理解为 根据爱好分组，查询价格；查询的列必须是数字，否则求均值时会报异常

如果是根据多列分组则在groupby后面使用列表指定，并且调用求均值函数；输出的值将是分组列，均值结果；

group = frame['price'].groupby([frame['hobby'],frame['user']])
print(group.mean())

输出

hobby user hiking rose 0.063972 reading zszxz 0.393164 running craler -1.395186 Name: price, dtype: float64

如果对整个DataFrame进行分组，则不再需要提取指定的列；

group = frame.groupby(frame['hobby'])
print(group.mean())

输出

hobby hiking -0.116659 -0.316222 reading -0.651365 0.856299 running -0.282676 -0.585124

Tip: 求均值后，默认是对数字类型的数据进行分组求均值；非数字列自动忽略

2.3 分组求数量

分组求数量是统计分析中应用最为广泛的函数；如下示例中对DataFrame根据hobby分组，并且调用 size()函数统计个数；此方法常用的统计技巧；

group = frame.groupby(frame['hobby'])
print(group.size())

输出

hobby hiking 2 reading 2 running 1 dtype: int64

2.4 分组迭代

当对groupby的列只有单个时（示例根据hobby进行分组），可以 使用 key , value 形式 对分组后的数据进行迭代，其中key 是分组的名称，value是分组的数据；

group = frame['price'].groupby(frame['hobby'])
for key , data in group:
 print(key)
 print(data)

输出

hiking 2 -0.669410 4 -0.246816 Name: price, dtype: float64 reading 0 1.362191 3 -0.052538 Name: price, dtype: float64 running 1 0.8963 Name: price, dtype: float64

当对多个列进行分组迭代时，有多少列则需要指定多少个key与其对应，key可以是任何不重复的变量名称

group = frame['price'].groupby([frame['hobby'],frame['user']])
for (key1, key2) , data in group:
 print(key1,key2)
 print(data)

输出

hiking rose 2 -0.019423 4 -2.642912 Name: price, dtype: float64 reading zszxz 0 0.405016 3 0.422182 Name: price, dtype: float64 running craler 1 -0.724752 Name: price, dtype: float64

2.5 分组数据转为字典

可以对分组后的数据转为字典；

dic = dict(list(frame.groupby(frame['hobby'])))
print(dic)

输出

{‘hiking’: user hobby price number 2 rose hiking 0.351633 0.523272 4 rose hiking 0.800039 0.331646, ‘reading’: user hobby price number 0 zszxz reading -0.074857 -0.928798 3 zszxz reading 0.666925 0.606706, ‘running’: user hobby price number 1 craler running -2.525633 0.895776}

获取key

print(dic['hiking'])

输出

user hobby price number 2 rose hiking 0.382225 -0.242055 4 rose hiking 1.055785 -0.328943

2.6 分组取值

对frame进行hobby分组，就算查询 price 的均值；返回Series；

mean = frame.groupby('hobby')['price'].mean()
print(type(mean))
print(mean)

输出

<class ‘pandas.core.series.Series’ hobby hiking 0.973211 reading -1.393790 running -0.286236 Name: price, dtype: float64

Tip: frame.groupby(‘hobby’)[‘price’] 与 frame[‘price’] .groupby(frame[‘hobby’]) 相等

如果想要返回 DataFrame

mean = frame.groupby('hobby')[['price']].mean()
print(type(mean))
print(mean)

输出

<class ‘pandas.core.frame.DataFrame’ price hobby hiking 0.973211 reading -1.393790 running -0.286236

2.5 Series作为分组

也可以传入Series作为DataFrame的分组列

ser = pd.Series(['hiking','reading','running'])
data = frame.groupby(ser).mean()
print(data)

输出

price number hiking 1.233396 0.313839 reading -0.298887 0.982853 running -0.797734 -1.230811

Tip: 本质上都是数组，除了Series，还可以使用字典，列表，数组，函数作为分组列

2.6 通过索引层级分组

传入级别的名称即可实现层级化索引分组

# 创建2个列，并且指定名称
columns = pd.MultiIndex.from_arrays([['Python', 'Java', 'Python', 'Java', 'Python'],
          ['a', 'b', 'a', 'b', 'c']], names=['language', 'alpha'])
frame = pd.DataFrame(np.random.randint(1, 10, (5, 5)), columns=columns)
print(frame)

# 根据language进行分组
print(frame.groupby(level='language', axis=1).sum())
# 根据index进行分组
print(frame.groupby(level='alpha', axis=1).sum())

frame输出如下

language Python Java Python Java Python alpha a b a b c 0 9 9 7 4 5 1 3 4 7 6 6 2 6 6 3 9 1 3 1 1 8 5 2 4 6 5 9 5 4

language分组如下

language Java Python 0 13 21 1 10 16 2 15 10 3 6 11 4 10 19

alpha分组如下

alpha a b c 0 16 13 5 1 10 10 6 2 9 15 1 3 9 6 2 4 15 10 4

到此这篇关于pandas分组聚合详解的文章就介绍到这了,更多相关pandas 分组聚合内容请搜索ZaLou.Cn以前的文章或继续浏览下面的相关文章希望大家以后多多支持ZaLou.Cn！