Python groupby函数图文详解

一、分组原理

核心：

1、不论分组键是数组、列表、字典、Series、函数，只要其与待分组变量的轴长度一致都可以传入groupby进行分组。

2、默认axis=0按行分组，可指定axis=1对列分组。

groupby()语法格式

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, group_keys=True, squeeze=False,  observed=False, **kwargs)

groupby原理

groupby就是按XX分组，比如将一个数据集按A进行分组，效果如下

使用groupby实现功能

import numpy as np
import pandas as pd
 
data = pd.DataFrame({
    \'name\': [\'Tom\', \'Kaggle\', \'Litter\', \'Sam\', \'Sam\', \'Sam\'],
    \'race\': [\'B\', \'C\', \'D\', \'E\', \'B\', \'C\'],
    \'age\': [37.0, 61.0, 56.0, 87.0, 58.0, 34.0],
    \'signs_of_mental_illness\': [True, True, False, False, False, False]
})
 
data.groupby(\'race\')

 返回结果如上  得到一个叫DataFrameGroupBy的东西,pandas不能直接显示出来 可以调用list显示出来

groupby()的配合函数 函数 适用场景备注.mean()均值.count()计数.min()最小值.mean().unstack()求均值，聚合表的层次索引不堆叠.size()计算分组大小GroupBy的size方法,将返回一个含有分组大小的Series.apply().agg()

这里演示.mean()和.count()

# mean()
data.groupby(\'name\')[\'age\'].mean()
# count()
data.groupby(\'name\')[\'age\'].count()
data.groupby(\'age\').count()

 也可以根据单键多列进行聚合

# 单键多列聚合
data.groupby(\'name\')[[\'race\',\'age\',]].count()

 .agg操作 可以取多个函数进行选择 有时候我们既需要平均值，有需要计数(也可是取一个)

agg为列表

print(data.groupby(\'name\')[\'age\'].agg([\'mean\']))
 
print(data.groupby(\'name\')[\'age\'].agg([\'mean\',\'count\']))

也可以传入字典，对组内不同列采取不同的操作

print(data.groupby(\'race\').agg({\'age\': np.median, \'signs_of_mental_illness\': np.mean}))

.apply()

可以使用我们自己所创建的函数

print(\'apply之前\')
grouped = data.groupby(\'name\')
for name, group in grouped:
    print(name)
    print(group)
print(\'\\n\')
print(\'apply之后\')
print(data.groupby(\'name\').apply(lambda x: x.head(2)))

 简单操作基本介绍完成

有时候需要将聚合的另一列放到一起 并且取消键的重复值 这个时候可以这样做

上面是构建的数据，需要对订购时间进行处理，这里我们是将月份+天数/30，然后对ID列进行去重,并将后面Time列计算的结果放到一起

import numpy as np
import pandas as pd
 
 
data = pd.read_excel(\'订购时间预测2.xlsx\')
def cut_m_d(x):
	return round(x.month + x.day / 30, 2)
 
data[\'m_d\'] = data[\'Time\'].apply(cut_m_d)
grouped = data.groupby(\'ID\')
# 这一步是去重(ID),不去重会出现错误
result = grouped[\'m_d\'].unique()
result2 = result.reset_index()
print(result2)

总结