python分组聚合代码

以下是Python中使用pandas库实现分组聚合的示例代码：

import pandas as pd

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

# 按照group列分组，并对每组的value列进行求和
result = data.groupby('group')['value'].sum()

print(result)

输出结果为：

group
A    5
B    7
C    9
Name: value, dtype: int64

这里先创建了一个示例数据，其中包含了一个group列和一个value列。然后使用`groupby`方法按照group列进行分组，并使用`sum`方法对每组的value列进行求和。最终得到了每个group对应的value列的求和结果。

相关问题

pandas分组聚合代码

以下是pandas分组聚合代码的示例：

假设我们有一个数据集，其中包含客户的购买记录，包括客户ID、购买日期、购买金额和购买类别。我们想要按客户ID对数据进行分组，并计算每个客户的总购买金额和平均购买金额。

import pandas as pd

# 创建数据集
data = {'customer_id': ['C1', 'C1', 'C2', 'C2', 'C2', 'C3', 'C3'],
        'date': ['2021-01-01', '2021-02-01', '2021-01-01', '2021-02-01', '2021-03-01', '2021-01-01', '2021-02-01'],
        'amount': [100, 200, 150, 300, 250, 100, 150],
        'category': ['A', 'B', 'A', 'B', 'A', 'B', 'A']}

df = pd.DataFrame(data)

# 按客户ID分组并计算总购买金额和平均购买金额
result = df.groupby('customer_id').agg({'amount': ['sum', 'mean']})

print(result)

输出结果为：

            amount           
               sum        mean
customer_id                   
C1             300  150.000000
C2             700  233.333333
C3             250  125.000000

python数据分组聚合

在Python中，可以使用pandas库来进行数据分组聚合。以下是一个简单的例子：

假设有一组学生成绩数据，包括姓名、科目和成绩：

| 姓名 | 科目 | 成绩 |
| --- | --- | --- |
| 张三 | 数学 | 90 |
| 李四 | 数学 | 80 |
| 王五 | 数学 | 85 |
| 张三 | 英语 | 85 |
| 李四 | 英语 | 90 |
| 王五 | 英语 | 95 |

现在需要按照姓名来计算每个人的平均成绩。可以使用pandas的groupby函数来实现：

import pandas as pd

# 创建数据
data = {"姓名": ["张三", "李四", "王五", "张三", "李四", "王五"], 
        "科目": ["数学", "数学", "数学", "英语", "英语", "英语"], 
        "成绩": [90, 80, 85, 85, 90, 95]}
df = pd.DataFrame(data)

# 按照姓名进行分组，并计算平均成绩
result = df.groupby("姓名")["成绩"].mean()

print(result)

输出结果为：

姓名
张三    87.5
李四    85.0
王五    90.0
Name: 成绩, dtype: float64

通过以上代码，我们成功将数据按照姓名分组，并计算出每个人的平均成绩。这只是一个简单的示例，实际上pandas提供了非常丰富的数据分组和聚合函数，可以满足各种需求。