懂Excel轻松入门Python数据分析包pandas：循环序列分组

此系列文章收录在公众号中：数据大宇宙 > 数据处理 >E-pd

> 经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas

前言

这次是一位小伙伴提出的实际问题，刚好使用 pandas 的解决思路上与 Excel 一致，因此写到这个系列中。

问题

现有一份成绩表：

- 要求把以上各学生分成10个组，让每组的平均分尽可能接近

- 汇总输出各个组的信息(有什么人，平均分多少)

- 输出分组的组间差异信息(就简单标准差即可)

这不是 IQ 题，这里直接给出一种比较直观的解决思路(不一定最优)：

- 按分数，把数据做一次升序排序

- 生成一新列，值为从 0-9(共10个数字) 的循环数列

- 按循环数列分组，即可得到结果

Excel 的做法

按照惯例，先看看如果在 Excel 上是怎么得到结果(流程前2步)：

- 排序使用 Excel 内置功能，不详细讲解

- 输出循环数列，可以用函数公式，但这里当然用 Excel 的内置功能即可，先得到一列0-9(先输入0、1，再下拉即可)，然后把这0-9的列复制粘贴到C列中即可

- 后面的分组，统计得到结果，就不要麻烦 Excel 了，你也会烦死

pandas 中的对应实现

怎么样生成需求中的循环数列呢？pandas 上的确没有此操作，因为这实在太简单，本来 Python 就可以内置的库可以完成：

- 行1-5：自定义函数，用于生产循环数列

- 参数 end_key 指定数列的结束值，x_len 指定最终结果的数列长度

- 行2：需要使用 itertools 库，这里导入此库

- 行3：itertools.cycle 用于循环获取数据，我们给他一个数字序列(使用 range 生成)，cycle 方法会不断从里面循环获取出元素

- 注意：千万不要直接把 cycle 方法转为实际序列，否则会产生死循环

- 行4：对刚刚得到的循环数列做切片

- 行5：转换成 list

- 行8：调用这个自定义函数看看效果

接下来是利用这个自定义函数生成分组依据的列，进行分组统计，得到结果：

- 行1：加载数据

- 行2：调用之前定义的函数，获取分组依据

- 行4-10：按分数排序 + 分组统计结果

- 行8：对每个组中的人名(name) 串在一起(','.join) ，同时求个数(count)

- 行12：修改表头

- 行15：把分组结果输出到工作表"分组信息"

- 行16：对分组结果输出一个统计信息到工作表"组差异"

排序、分组、汇总、统计到输出，就是这么简单直观。

pandas 在数据处理中的快速、便捷，体现得一览无遗！

更多 pandas 高级技巧，关注我的 pandas 专栏！

现在可以来看看生成的结果 Excel 文件：

- 这是"分组结果"

- 因为总人数为160，可以看到每组都是16人了

- 这是"组差异"

- 行3：平均每个组的分数为49.1

- 行4：每个组平均分平均差距只是1.86分，结果还可以接受

总结

本文重点：

- itertools 库中有许多相当实用的功能，值得学习

需要源码的小伙伴，公众号发送"数据处理"

觉得写得不错，点击右下方"在看"

如果希望从零开始学习 pandas ，那么可以看看我的 pandas 专栏。