pandas如何分组

pandas中可以使用groupby方法进行分组，具体操作如下：

# 导入pandas库
import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
                   'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
                   'C': [1, 2, 3, 4, 5, 6, 7, 8],
                   'D': [10, 20, 30, 40, 50, 60, 70, 80]})

# 按照A列进行分组，并计算每组的平均值
grouped = df.groupby('A').mean()
print(grouped)

输出结果为：

            C     D
A                 
bar  4.000000  40.0
foo  4.666667  35.0

其中，groupby方法的参数可以是列名、多个列名、Series、函数等。在上述例子中，我们按照'A'列进行了分组，并计算了每组的平均值。

相关问题

pandas 分组求和

以下是使用pandas进行分组求和的示例：

import pandas as pd

# 创建一个示例数据集
data = {'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
        'Subject': ['Math', 'Math', 'Math', 'Science', 'Science', 'Science'],
        'Score': [80, 90, 85, 70, 75, 65]}
df = pd.DataFrame(data)

# 按照姓名进行分组，并求每个人的总分
grouped = df.groupby('Name')
sum_scores = grouped['Score'].sum()

print(sum_scores)

输出结果为：

Name
John    150
Nick    165
Tom     150
Name: Score, dtype: int64

这里我们首先导入pandas库，并创建一个示例数据集。然后使用`groupby`函数按照姓名进行分组，并使用`sum`函数求每个人的总分。最后打印出每个人的总分。

pandas分组分析

以下是使用pandas进行分组分析的示例：

import pandas as pd

# 创建一个示例数据集
data = {'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
        'Subject': ['Math', 'Math', 'Math', 'Science', 'Science', 'Science'],
        'Score': [90, 85, 92, 78, 80, 88]}
df = pd.DataFrame(data)

# 按照姓名进行分组，并计算每个人的平均分
grouped = df.groupby('Name')
average_score = grouped['Score'].mean()
print(average_score)

# 按照科目进行分组，并计算每个科目的最高分
grouped = df.groupby('Subject')
max_score = grouped['Score'].max()
print(max_score)

这个示例中，我们首先创建了一个包含姓名、科目和分数的数据集。然后，我们使用`groupby`函数按照姓名和科目进行分组。接着，我们可以对每个分组应用不同的聚合函数，例如计算平均分或最高分。在示例中，我们分别计算了每个人的平均分和每个科目的最高分。