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分组输出

Pandas是Python中一个很常用的数据处理库，可以用它进行各种数据处理和分析。Pandas中有一个非常有用的功能是分组(groupby)，可以按照某一列或多列将数据集分组，然后对每个组进行汇总、聚合、转换等操作。下面是一个简单的示例：

假设有一个包含学生姓名、班级、科目和成绩的数据集，可以按照班级对数据进行分组，并计算每个班级的平均分数：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily', 'Frank'],
        'class': ['A', 'B', 'A', 'B', 'A', 'B'],
        'subject': ['Math', 'Math', 'English', 'English', 'Science', 'Science'],
        'score': [80, 90, 85, 95, 75, 80]}

df = pd.DataFrame(data)

grouped = df.groupby('class')
result = grouped.mean()

print(result)

上述代码中，`groupby('class')`表示按照`class`这一列进行分组，`mean()`表示计算每个分组的平均值。最后的结果如下：

           score
class           
A      80.000000
B      85.000000

这样就得到了按照班级分组后的平均成绩。除了`mean()`之外，还可以使用其他的聚合函数（如`sum()`、`max()`等），也可以使用自定义函数来对每个分组进行处理。

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。