pandas groupby unstack

Pandas中的`groupby`和`unstack`是两个强大的数据操作功能，通常用于数据分析和数据整理。

`groupby`函数允许你根据指定的列对DataFrame进行分组，然后对每个组应用聚合函数，如求和、平均等，返回一个新的DataFrame，其中每一行代表一个原始组及其计算结果。

例如，如果你有一个包含销售数据的DataFrame，你可以按产品类别(`category`)进行分组，然后计算每类别的总销售额：

df.groupby('category')['sales'].sum()

而`unstack`则是对Series或DataFrame的索引进行重构，将原来索引中的某些级别转换成列。这常用于将一个多级索引的数据结构转换成更易读的形式，比如透视表。

假设你已经用`groupby`对数据进行了分类，并得到一个Series，其中行是类别名，值是对应的汇总值：

grouped = df.groupby('category').sales.sum()
grouped.unstack()

这会创建一个新 DataFrame，其中原来的类别名变成了列名，原来的汇总值作为行值。

相关问题

pandas groupby sum 后转表格

假设我们有以下的DataFrame：

import pandas as pd

df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob', 'Charlie'],
    'Item': ['Apple', 'Banana', 'Apple', 'Banana', 'Apple', 'Banana'],
    'Quantity': [3, 5, 2, 4, 1, 6]
})

print(df)

输出：

      Name    Item  Quantity
0    Alice   Apple         3
1      Bob  Banana         5
2  Charlie   Apple         2
3    Alice  Banana         4
4      Bob   Apple         1
5  Charlie  Banana         6

我们想要对Name和Item进行分组，并计算Quantity的总和，可以使用groupby和sum方法：

grouped = df.groupby(['Name', 'Item']).sum()
print(grouped)

输出：

             Quantity
Name    Item         
Alice   Apple        3
        Banana       4
Bob     Apple        1
        Banana       5
Charlie Apple        2
        Banana       6

现在，我们可以使用unstack方法将其转换为表格形式：

pivoted = grouped.unstack()
print(pivoted)

输出：

        Quantity     
Item       Apple Banana
Name                   
Alice           3      4
Bob             1      5
Charlie         2      6

这样，我们就得到了按Name和Item分组，并计算Quantity总和的表格形式。

pandas根据groupby的结果绘图

使用Pandas的groupby方法可以将数据按照指定的列进行分组，然后可以对每个分组进行各种操作，例如计算统计量、绘制图表等。根据groupby的结果绘图可以使用Pandas提供的plot方法，通过指定kind参数来选择绘制的图表类型，例如折线图、柱状图、箱线图等。在绘制时，可以使用unstack方法将分组结果转换为适合绘制的形式，例如将分组结果转换为堆叠的条形图。具体绘图方法可以参考引用中提供的例子。