pandas数据分组展示

在 pandas 中，可以使用 `groupby` 方法来对数据进行分组。

例如，假设我们有一个名为 `df` 的数据帧，包含两列：“城市”和“销售额”。我们想要按城市对数据进行分组，并查看每个城市的销售额总和。可以使用以下代码来实现这一目的：

df.groupby('城市')['销售额'].sum()

这将返回一个新的数据帧，其中包含每个城市的销售额总和。

另外，还可以使用 `pivot_table` 函数来创建数据透视表。例如，如果我们想要按城市和月份来分组，并在透视表中显示每个月每个城市的销售额总和，可以使用以下代码：

df.pivot_table(index='城市', columns='月份', values='销售额', aggfunc='sum')

这将返回一个带有城市和月份为行和列索引的数据帧，其中包含每个月每个城市的销售额总和。

相关问题

pandas展示数据分组后的结果

如果要用 pandas 展示数据分组后的结果，可以使用 `groupby` 函数对数据进行分组，然后使用一些聚合函数对分组后的数据进行计算。

下面是一个示例，假设有一个名为 `df` 的数据框，其中包含两列 "A" 和 "B"，要按照 "A" 列进行分组并求和。

import pandas as pd

# 创建数据框
df = pd.DataFrame({'A': [1, 1, 2, 2], 'B': [3, 4, 5, 6]})

# 分组并求和
result = df.groupby('A').sum()

# 展示结果
print(result)

运行上面的代码会得到如下输出：

   B
A   
1  7
2 11

这里的 `result` 就是分组后的结果，它是一个新的数据框，其中每一行对应原数据框中 "A" 列中不同值所对应的分组。

还有很多其他的聚合函数可以使用，例如 `mean`、`min`、`max` 等，具体使用方法可以参考 pandas 文档。

pandas对分组的结果进行count并且展示

可以使用`groupby()`方法对数据进行分组，然后使用`count()`方法计算每组的数量，并使用`reset_index()`方法将结果转换为DataFrame格式。以下是一个示例代码：

import pandas as pd

# 创建一个示例数据集
data = {'group': ['A', 'B', 'C', 'A', 'B', 'C'],
        'value': [1, 2, 3, 4, 5, 6]}
df = pd.DataFrame(data)

# 对数据进行分组并计算每组的数量
count = df.groupby('group').count().reset_index()

# 展示结果
print(count)

输出结果为：

  group  value
0     A      2
1     B      2
2     C      2

其中，`group`列为分组依据，`value`列为每组的数量。