pandas之分组groupby()的使用整理与总结_pandasgroupbyagg

50 浏览量更新于2023-03-03 评论 1 收藏 154KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

pandas之分组之分组groupby()的使用整理与总结的使用整理与总结

主要介绍了pandas之分组groupby()的使用整理与总结，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学

习学习吧

前言前言

在使用pandas的时候，有些场景需要对数据内部进行分组处理，如一组全校学生成绩的数据，我们想通过班级进行分组，或者再对班级分组后的性别进行分组来进行分析，这时通过pandas下的

groupby()函数就可以解决。在使用pandas进行数据分析时，groupby()函数将会是一个数据分析辅助的利器。

groupby的作用可以参考超好用的 pandas 之 groupby 中作者的插图进行直观的理解：

准备

读入的数据是一段学生信息的数据，下面将以这个数据为例进行整理grouby()函数的使用：

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

df = pd.read_csv('./data.csv')

print(df)

Name Gender Age Score

0 Alen Male 18 80

1 Bob Male 19 90

2 Cidy Female 18 93

3 Daniel Male 20 87

4 Ellen Female 17 96

5 Frankie Male 21 100

6 Gate Male 20 88

7 Hebe Female 22 98

基本操作基本操作

在进行对groupby函数进行学习之前，首先需要明确的是，通过对DataFrame对象调用groupby()函数返回的结果是一个DataFrameGroupBy对象，而不是一个DataFrame或者Series对象，所以，它们中的一些方法或

者函数是无法直接调用的，需要按照GroupBy对象中具有的函数和方法进行调用。

grouped = df.groupby('Gender')

print(type(grouped))

print(grouped)

分组时，不仅仅可以指定一个列名，也可以指定多个列名：

grouped = df.groupby('Gender')

grouped_muti = df.groupby(['Gender', 'Age'])

print(grouped.size())

print(grouped_muti.size())

Gender

Female 3

Male 5

dtype: int64

Gender Age

Female 17 1

18 1

22 1

Male 18 1

19 1

20 2

21 1

dtype: int64

指定多个列名个单个列名后的区别在于，分组的主键或者索引（indice）将一个是单个主键，另一个则是一个元组的形式：

print(grouped.get_group('Female'))

print(grouped_muti.get_group(('Female', 17)))

Name Gender Age Score

2 Cidy Female 18 93

4 Ellen Female 17 96

7 Hebe Female 22 98

Name Gender Age Score

4 Ellen Female 17 96

通过调用get_group()函数可以返回一个按照分组得到的DataFrame对象，所以接下来的使用就可以按照·DataFrame·对象来使用。如果想让这个DataFrame对象的索引重新定义可以通过：

df = grouped.get_group('Female').reset_index()

print(df)

index Name Gender Age Score

0 2 Cidy Female 18 93

1 4 Ellen Female 17 96

2 7 Hebe Female 22 98

这里可以总结一下，由于通过groupby()函数分组得到的是一个DataFrameGroupBy对象，而通过对这个对象调用get_group()，返回的则是一个·DataFrame·对象，所以可以将DataFrameGroupBy对象理解为是多

个DataFrame组成的。

而没有调用get_group()函数之前，此时的数据结构任然是DataFrameGroupBy，此时进行对DataFrameGroupBy按照列名进行索引，同理就可以得到SeriesGroupBy对象，取多个列名，则得到的任然

是DataFrameGroupBy对象，这里可以类比DataFrame和Series的关系。

按照上面的思路理解后，再调用get_group()函数后得到的DataFrame对象按照列名进行索引实际上就是得到了Series的对象，下面的操作就可以按照Series对象中的函数行了。

在没有进行调用get_group()，也就是没有取出特定某一组数据之前，此时的数据结构任然是DataFrameGroupBy，其中也有很多函数和方法可以调用，如max()、count()、std()等，返回的结果是一个DataFrame对

象。

print(grouped.count())

print(grouped.max()[['Age', 'Score']])

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

weixin_38694529

粉丝: 6
资源: 968

会员权益专享

pandas之分组groupby()的使用整理与总结

评论0

会员权益专享

最新资源

pandas之分组groupby()的使用整理与总结

评论0

pandas常用函数分类汇总

pandas groupby 分组取每组的前几行记录方法

pandas-groupby-filter：适用于pandas groupby过滤器的手册

【整理】pandas教程

pandas获取groupby分组里最大值所在的行方法

如何在Pandas中使用GroupBy进行数据分组

Python数据分析利器：掌握Pandas中的GroupBy操作

Pandas中的数据分组与聚合分析

group by加在在

python dataframe groupby

pd.merge.groupby

pandas技能一览表

pandas数据分析项目实战

df.groupby().mean(‘col1’)

python整理多个excel数据

jupyter 数据整理

Python分析资产负债表

如何将间隔15分钟的数据整理为间隔一天

data wrangling with python: tips and tools to make your life easier

会员权益专享

最新资源