前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >各项工具大pk,分组聚合哪家强?

各项工具大pk,分组聚合哪家强?

作者头像
朱小五
发布2021-01-20 10:16:37
7020
发布2021-01-20 10:16:37
举报
文章被收录于专栏:凹凸玩数据
小小明:「凹凸数据」专栏作者,Pandas数据处理专家,致力于帮助无数数据从业者解决数据处理难题。

凹凸们,大家好

先看一个小需求,其实是很常见的分组聚合问题。

今天我将带大家分别使用MySQLExcelPandasVBAPython来实现这个需求。

这么齐全的应该算是全网首发吧!当然也是为了让大家对分组聚合代码层面的实现能够更加熟悉。

MySQL实现分组统计

SQL语句:

代码语言:javascript
复制
SELECT 
  deal_date,
  SUM(IF(AREA= 'A区', 1, 0)) 'A区',
  SUM(IF(AREA= 'B区', 1, 0)) 'B区',
  SUM(IF(AREA= 'C区', 1, 0)) 'C区' 
FROM
  order_info 
GROUP BY deal_date ;

结果:

Excel实现分组统计

首先创建数据透视表:

然后将对应的字段拖动到正确的位置:

然后打开透视表选项取消这两项勾选即可:

Pandas进行分组统计

读取数据:

代码语言:javascript
复制
import pandas as pd

df = pd.read_csv("data.csv", encoding="gb18030")
df

结果:

order_id

price

deal_date

area

0

S001

10

2019/1/1

A区

1

S002

20

2019/1/1

B区

2

S003

30

2019/1/1

C区

3

S004

40

2019/1/2

A区

4

S005

10

2019/1/2

B区

5

S006

20

2019/1/2

C区

6

S007

30

2019/1/3

A区

7

S008

40

2019/1/3

C区

使用数据透视表操作:

代码语言:javascript
复制
df.pivot_table(values="order_id", index="deal_date",
               columns="area", aggfunc="count", fill_value=0)

上述代码相当于groupby操作:

代码语言:javascript
复制
df.groupby(["deal_date", "area"])["order_id"].count().unstack(1, fill_value=0)

但我一般会这样写:

代码语言:javascript
复制
df.groupby(["deal_date", "area"]).size().unstack(1, fill_value=0)

结果均为:

VBA实现分组统计

经过近1小时的痛苦的尝试,终于编写出了下面这段VBA代码,它模拟实现了分组计数的过程:

代码语言:javascript
复制
Option Explicit
Function is_exists(name As String)
Dim sht As Worksheet
For Each sht In Worksheets
   If sht.name = name Then
      is_exists = True
      Exit Function
   End If
Next
is_exists = False
End Function

Sub 分组统计()
    Dim LastRow, LastCol As Long
    Dim Sh As Worksheet
    'Sh指代当前活动页
    Set Sh = Sheets("data")
    '当前活动页的最后一行
    LastRow = Sh.Cells(Rows.Count, 1).End(xlUp).row
    '当前活动页的最后一列
    LastCol = Sh.Cells(1, Columns.Count).End(xlToLeft).Column
    '定义D为字典
    Dim D As Object
    Set D = CreateObject("Scripting.Dictionary")
    Dim row, i As Integer
    Dim key, value As String
    
    For i = 2 To LastRow
        key = Sh.Cells(i, 3).value
        value = Sh.Cells(i, 4).value
        '如果在字典里
        If Not D.exists(key) Then
            D.Add key, Array(0, 0, 0)
        End If
        row = D(key)
        If value = "A区" Then
            row(0) = row(0) + 1
        ElseIf value = "B区" Then
            row(1) = row(1) + 1
        ElseIf value = "C区" Then
            row(2) = row(2) + 1
        End If
        D(key) = row
    Next
    '调试输出字典存储的内容
    For Each key In D.keys()
        Debug.Print key & "," & Join(D(key), ",")
    Next
    
    Dim sht As Worksheet
    If is_exists("result") Then
        Sheets("result").Delete
    End If
    
    '在最后的位置增加一个sheet作为结果表
    Sheets.Add After:=Sheets(Sheets.Count)
    Set sht = Sheets(Sheets.Count)
    sht.name = "result"
    
    '屏幕刷新=false
    Application.ScreenUpdating = False
    '下面写出数据到结果表中,首先写出标题行
    sht.Range("A1").Resize(1, 4) = Application.Transpose(Array("deal_date", "A区", "B区", "C区"))
    sht.Range("A2").Resize(D.Count, 1) = Application.Transpose(D.keys)
    i = 2
    For Each row In D.items()
        sht.Cells(i, 2).Resize(1, 3) = row
        i = i + 1
    Next
    Application.ScreenUpdating = True
    
End Sub

运行前:

点击按钮运行后:

立即窗口和工作表都看到了正确的结果输出,立即窗口看到重复2次的输出是因为我连续运行了两次。

Python实现分组计数

实现代码:

代码语言:javascript
复制
import csv
from collections import namedtuple

result = {}
columns = ["A区", "B区", "C区"]
areas_map = dict(zip(columns, range(len(columns))))
with open("data.csv", encoding="gb18030") as f:
    f_csv = csv.reader(f)
    headers = next(f_csv)
    resultSet = namedtuple("resultSet", headers)
    for r in f_csv:
        row = resultSet(*r)
        areas = result.setdefault(row.deal_date, [0, 0, 0])
        areas[areas_map[row.area]] += 1
result

结果:

代码语言:javascript
复制
{'2019/1/1': [1, 1, 1], '2019/1/2': [1, 1, 1], '2019/1/3': [1, 0, 1]}

借助Pandas转换为表结构方便查看:

代码语言:javascript
复制
pd.DataFrame.from_dict(result, 'index', columns=["A区", "B区", "C区"])

结果:

A区

B区

C区

2019/1/1

1

1

1

2019/1/2

1

1

1

2019/1/3

1

0

1

下面用Python模拟一下Pandas数据透视表实现分组统计的过程:

代码语言:javascript
复制
import csv
from collections import namedtuple, Counter

result = Counter()
with open("data.csv", encoding="gb18030") as f:
    f_csv = csv.reader(f)
    headers = next(f_csv)
    resultSet = namedtuple("resultSet", headers)
    for r in f_csv:
        row = resultSet(*r)
        result[(row.deal_date, row.area)] += 1
result

结果:

代码语言:javascript
复制
Counter({('2019/1/1', 'A区'): 1,
         ('2019/1/1', 'B区'): 1,
         ('2019/1/1', 'C区'): 1,
         ('2019/1/2', 'A区'): 1,
         ('2019/1/2', 'B区'): 1,
         ('2019/1/2', 'C区'): 1,
         ('2019/1/3', 'A区'): 1,
         ('2019/1/3', 'C区'): 1})

第二步Pandas还需再对这个结果进行重塑才得到最终所需要的结果,具体重塑的过程实际实现较为复杂,但可以借助category的Series模拟实现一下:

代码语言:javascript
复制
indexs = result.keys()
index = pd.Series(map(lambda x: x[0], indexs), dtype='category')
columns = pd.Series(map(lambda x: x[1], indexs), dtype='category')
values = result.values()

data = np.zeros((len(index.cat.categories), len(columns.cat.categories)))
for x, y, v in zip(index.cat.codes, columns.cat.codes, values):
    data[x, y] = v
result = pd.DataFrame(data, index=index.cat.categories,
                      columns=columns.cat.categories, dtype='int8')
result

结果:

A区

B区

C区

2019/1/1

1

1

1

2019/1/2

1

1

1

2019/1/3

1

0

1

总结

其实不管用什么语言和工具,分组聚合统计的核心原理都是:

今天我给大家同时演示了MySQL、Excel、Pandas、VBA和Python实现分组聚合,通过对比,或许大家能自己总结出各项工具的优劣和适用场景。

欢迎你在下方评论区留言,发表你的看法,给大家分享和互动。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-01-14,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 凹凸数据 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • MySQL实现分组统计
  • Excel实现分组统计
  • Pandas进行分组统计
  • VBA实现分组统计
  • Python实现分组计数
  • 总结
相关产品与服务
数据库
云数据库为企业提供了完善的关系型数据库、非关系型数据库、分析型数据库和数据库生态工具。您可以通过产品选择和组合搭建,轻松实现高可靠、高可用性、高性能等数据库需求。云数据库服务也可大幅减少您的运维工作量,更专注于业务发展,让企业一站式享受数据上云及分布式架构的技术红利!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档