Python數(shù)據(jù)分析中Groupby用法之通過字典或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
接下來再來執(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，通過字典進(jìn)行分組和通過Series進(jìn)行分組結(jié)果是相同的。也就是說他們執(zhí)行的原理是相同的，都是把索引(對(duì)series來說)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內(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Pika庫來驅(qū)動(dòng)它,這里我們將來看一個(gè)Python通過RabbitMQ服務(wù)器實(shí)現(xiàn)交換機(jī)功能的實(shí)例教程:2016-06-06
Python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一起學(xué)習(xí)學(xué)習(xí)吧2020-11-11
Python的元組與列表類似，不同之處在于元組的元素不能修改,元組使用小括號(hào),列表使用方括號(hào),元組創(chuàng)建很簡單,只需要在括號(hào)中添加元素,并使用逗號(hào)隔開即可2021-10-10
這篇文章主要介紹了Python3操作CSV文件使用包過程解析,文中通過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2020-04-04
tkinter?是?Python?的標(biāo)準(zhǔn)?GUI?庫，Python?使用?tkinter?可以快速的創(chuàng)建?GUI?應(yīng)用程序，今天通過本文給大家分享Python中的tkinter庫簡單案例詳解,需要的朋友可以參考下2022-01-01
這篇文章主要介紹了pygame實(shí)現(xiàn)成語填空游戲，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-10-10
在本篇文章里小編給大家整理了關(guān)于增大python字體的方法步驟，需要的朋友們可以學(xué)習(xí)下。2020-07-07
這篇文章分享了python查找第k小的元素程序代碼，大家參考使用吧2013-12-12
python如何將自己的包上傳到PyPi并可通過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pip安裝的方法步驟，文中通過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一起學(xué)習(xí)學(xué)習(xí)吧2022-05-05
這篇文章主要介紹了Python函數(shù)裝飾器,結(jié)合實(shí)例形式詳細(xì)分析了Python裝飾器的原理、功能、分類、常見操作技巧與使用注意事項(xiàng),需要的朋友可以參考下2021-10-10