在pandas中按行分组可以使用groupby()
函数。groupby()
函数将数据按照指定的列或条件进行分组,并返回一个GroupBy
对象。然后可以对该对象进行聚合操作或者遍历分组后的数据。
下面是按行分组的步骤:
import pandas as pd
df
。groupby()
函数按行分组,指定分组的列或条件,例如df.groupby('column_name')
。mean()
、sum()
等函数。for
循环遍历每个分组。以下是一个示例代码:
import pandas as pd
# 创建一个DataFrame对象
data = {'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
'Age': [20, 21, 19, 20, 21, 19],
'Score': [90, 95, 85, 92, 98, 88]}
df = pd.DataFrame(data)
# 按行分组
grouped = df.groupby('Name')
# 对分组后的数据进行聚合操作
mean_score = grouped['Score'].mean()
sum_age = grouped['Age'].sum()
# 遍历分组后的数据
for name, group in grouped:
print(name)
print(group)
# 输出结果
# John
# Name Age Score
# 2 John 19 85
# 5 John 19 88
# Nick
# Name Age Score
# 1 Nick 21 95
# 4 Nick 21 98
# Tom
# Name Age Score
# 0 Tom 20 90
# 3 Tom 20 92
在以上示例中,我们按照Name
列进行分组,并计算了每个分组的平均分数和年龄总和。然后使用for
循环遍历了每个分组的数据。
腾讯云相关产品和产品介绍链接地址:
以上是一个完善且全面的答案,涵盖了按行分组的步骤、示例代码以及腾讯云相关产品和产品介绍链接地址。
Elastic 实战工作坊
Elastic 实战工作坊
DBTalk
晞和讲堂
高校开发者
数字化产业研学汇第三期
高校公开课
领取专属 10元无门槛券
手把手带您无忧上云