Python數(shù)據(jù)分析中Groupby用法之通過(guò)字典或Series進(jìn)行分組的實(shí)例
在數(shù)據(jù)分析中有時(shí)候需要自己定義分組規(guī)則 這里簡(jiǎn)單介紹一下用一個(gè)字典實(shí)現(xiàn)分組
people=DataFrame( np.random.randn(5,5), columns=['a','b','c','d','e'], index=['Joe','Steve','Wes','Jim','Travis'] ) mapping={'a':'red','b':'red','c':'blue','d':'blue','e':'red','f':'orange'} by_column=people.groupby(mapping,axis=1)#列方向上進(jìn)行分組
這里不知道python底層是怎么運(yùn)行的,最好把運(yùn)行的結(jié)果打印出來(lái)看一下
for i in by_column: print (i)
遍歷的結(jié)果:
('blue', c d Joe 0.218189 -0.228336 Steve 1.677264 0.630303 Wes 0.315320 -0.250787 Jim 3.343462 0.483021 Travis 0.854553 -0.760884) ('red', a b e Joe 0.218164 0.823654 -1.425720 Steve 1.191175 -0.327735 1.926470 Wes -1.418855 0.497466 0.110105 Jim -1.157157 0.817122 0.749023 Travis -0.440583 -0.907922 1.374294)
從結(jié)果可以看到,把a(bǔ) b e分給了red, c d分給了blue
a b e--->red
c d --->blue
接下來(lái)再來(lái)執(zhí)行 people.groupby(mapping,axis=1).mean()
blue red Joe 0.241336 -0.182099 Steve 0.459773 -0.448336 Wes 0.205278 0.605721 Jim -0.094838 1.254174 Travis 0.354140 0.142075
從結(jié)果看到在列方向group分組 執(zhí)行聚合函數(shù)mean()后列索引就只有 blue和red了。
整個(gè)過(guò)程可以這么理解 在列方向上進(jìn)行分組 a b e為一組為red,c d 為一組為blue。最后以red blue作為新DataFraem的列索引
同樣Series也有同樣的功能,它可以被看作一個(gè)固定大小的映射。對(duì)于上面的那個(gè)例子,如果用series作為分組鍵,則pandas會(huì)檢查Series以確保其索引分組軸是對(duì)齊的:
ser=Series(mapping)
a red
b red
c blue
d blue
e red
f orange
by_ser_group=people.groupby(ser,axis=1).mean()
blue red
Joe 0.241336 -0.182099
Steve 0.459773 -0.448336
Wes 0.205278 0.605721
Jim -0.094838 1.254174
Travis 0.354140 0.142075
從結(jié)果可以看到,通過(guò)字典進(jìn)行分組和通過(guò)Series進(jìn)行分組結(jié)果是相同的。也就是說(shuō)他們執(zhí)行的原理是相同的,都是把索引(對(duì)series來(lái)說(shuō))或字典的key與Dataframe的索引進(jìn)行匹配,
字典中value或series中values值相同的會(huì)被分到一個(gè)組中,最后根據(jù)每組進(jìn)行在聚合。
groupby的用法很多,之后有時(shí)間我會(huì)慢慢更新博客。如果有那些地方有錯(cuò)歡迎大家指出,一塊學(xué)習(xí),共同進(jìn)步。
以上這篇Python數(shù)據(jù)分析中Groupby用法之通過(guò)字典或Series進(jìn)行分組的實(shí)例就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
- Python運(yùn)用于數(shù)據(jù)分析的簡(jiǎn)單教程
- Python數(shù)據(jù)分析matplotlib設(shè)置多個(gè)子圖的間距方法
- 分享一下Python數(shù)據(jù)分析常用的8款工具
- python數(shù)據(jù)分析數(shù)據(jù)標(biāo)準(zhǔn)化及離散化詳解
- Python數(shù)據(jù)分析之雙色球基于線性回歸算法預(yù)測(cè)下期中獎(jiǎng)結(jié)果示例
- Python數(shù)據(jù)分析:手把手教你用Pandas生成可視化圖表的教程
- PowerBI和Python關(guān)于數(shù)據(jù)分析的對(duì)比
- Python數(shù)據(jù)分析庫(kù)pandas基本操作方法
- Python數(shù)據(jù)分析之獲取雙色球歷史信息的方法示例
- 使用Python對(duì)微信好友進(jìn)行數(shù)據(jù)分析
- 基于Python實(shí)現(xiàn)的微信好友數(shù)據(jù)分析
- Python實(shí)現(xiàn)的北京積分落戶數(shù)據(jù)分析示例
相關(guān)文章
Python通過(guò)RabbitMQ服務(wù)器實(shí)現(xiàn)交換機(jī)功能的實(shí)例教程
RabbitMQ是一個(gè)基于消息隊(duì)列的服務(wù)器程序,Python可以通過(guò)Pika庫(kù)來(lái)驅(qū)動(dòng)它,這里我們將來(lái)看一個(gè)Python通過(guò)RabbitMQ服務(wù)器實(shí)現(xiàn)交換機(jī)功能的實(shí)例教程:2016-06-06Python高階函數(shù)與裝飾器函數(shù)的深入講解
這篇文章主要給大家介紹了關(guān)于Python高階函數(shù)與裝飾器函數(shù)的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-11-11Python3操作讀寫(xiě)CSV文件使用包過(guò)程解析
這篇文章主要介紹了Python3操作CSV文件使用包過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-04-04Python中的tkinter庫(kù)簡(jiǎn)單案例詳解
tkinter?是?Python?的標(biāo)準(zhǔn)?GUI?庫(kù),Python?使用?tkinter?可以快速的創(chuàng)建?GUI?應(yīng)用程序,今天通過(guò)本文給大家分享Python中的tkinter庫(kù)簡(jiǎn)單案例詳解,需要的朋友可以參考下2022-01-01python如何將自己的包上傳到PyPi并可通過(guò)pip安裝的方法步驟
本文主要介紹了python如何將自己的包上傳到PyPi并可通過(guò)pip安裝的方法步驟,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2022-05-05