Pandas详解十五之利用GroupBy技术进行分组

约定：

import pandas as pd
import numpy as np

GroupBy分组

对数据进行分组并对每个分组进行运算是数据分析中很重要的环节。该博客讲解了利用pandas的Groupby技术如何进行分组。下图简单介绍了分组的过程：

• 创建DataFrame对象

df1=pd.DataFrame({'Data1':np.random.randint(0,10,5),'Data2':np.random.randint(10,20,5),'key1':list('aabba'),'key2':list('xyyxy')})
df1

代码结果：

	Data1	Data2	key1	key2
0	5	15	a	x
1	2	15	a	y
2	6	17	b	y
3	9	16	b	x
4	9	13	a	y

• 分组特性和查看分组后的大小

.groupby()返回的是pandas的groupby对象。gr1并未进行任何计算，但它包括了接下来计算所需的数据。

gr1=df1['Data1'].groupby(df1['key1'])
print(gr1)
gr1.size()

代码结果：

<pandas.core.groupby.SeriesGroupBy object at 0x00000220D1A1EC88>
key1
a    3
b    2
Name: Data1, dtype: int64

• 根据单列来对单列分组

df1['Data1'].groupby(df1['key1']).count()

代码结果：

key1
a    3
b    2
Name: Data1, dtype: int64

• 根据单列来对多列分组

df1[['Data1','Data2']].groupby(df1['key1']).mean()

代码结果：

	Data1	Data2
key1
a	5.333333	14.333333
b	7.500000	16.500000

• 根据多列对单列分组

注意，下例通过两列分组得到的是多级索引的Series对象，groupby()里面分组顺序不同而结果不同。

df1['Data1'].groupby([df1['key1'],df1['key2']]).count()

代码结果：

key1  key2
a     x       1
      y       2
b     x       1
      y       1
Name: Data1, dtype: int64

• 根据多列对多列分组

下例通过两列分组得到的是多级索引的DataFrame对象。

df1.groupby([df1['key1'],df1['key2']]).sum()

代码结果：

		Data1	Data2
key1	key2
a	x	5	15
	y	11	28
b	x	9	16
	y	6	17

• 除了上述用Series对象作为分组的依据，还可以是：列表、数组、字符串、字典等等。

#列表
df1['Data1'].groupby([1,2,3,2,1]).count()

代码结果：

1    2
2    2
3    1
Name: Data1, dtype: int64

#数组
df1['Data1'].groupby(np.array([2,1,2,1,1])).count()

代码结果：

1    3
2    2
Name: Data1, dtype: int64

#字符串
df1[['Data1','key1']].groupby('key1').count()

代码结果：

	Data1
key1
a	3
b	2

#字典 
df1['Data1'].groupby({0:'y',1:'x',2:'x',3:'y',4:'z'}).count()

代码结果：

x    2
y    2
z    1
Name: Data1, dtype: int64

• ‘麻烦列’被消除

当分组后进行shu数值计算时，不是数值类的列（即麻烦列）会被清除

df1.groupby('key2').mean()

代码结果：

	Data1	Data2
key2
x	7.000000	15.5
y	5.666667	15.0

• 取分组后的一列或某几列

当数据特别巨大时，而我们只需某几列，这时这样的用法是十分省时又方便的。

df1.groupby('key1')['Data1'].max()

代码结果：

key1
a    9
b    9
Name: Data1, dtype: int32

• 传入axis=1横向分组

df1.groupby([1,1,2,1],axis=1).count()

代码结果：

	1	2
0	3	1
1	3	1
2	3	1
3	3	1
4	3	1

• 接下来是分组后可运行的简单运算函数表：
  

谢谢大家的浏览，
希望我的努力能帮助到您，
共勉！