pandas之分組groupby()的使用整理與總結
前言
在使用pandas的時候，有些場景需要對數據內部進行分組處理，如一組全校學生成績的數據，我們想通過班級進行分組，或者再對班級分組后的性別進行分組來進行分析，這時通過pandas下的groupby()函數就可以解決。在使用pandas進行數據分析時，groupby()函數將會是一個數據分析輔助的利器。
groupby的作用可以參考 超好用的 pandas 之 groupby 中作者的插圖進行直觀的理解：
準備
讀入的數據是一段學生信息的數據，下面將以這個數據為例進行整理grouby()函數的使用：
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
在進行對groupby函數進行學習之前，首先需要明確的是，通過對DataFrame對象調用groupby()函數返回的結果是一個DataFrameGroupBy對象，而不是一個DataFrame或者Series對象，所以，它們中的一些方法或者函數是無法直接調用的，需要按照GroupBy對象中具有的函數和方法進行調用。
grouped = df.groupby('Gender')
print(type(grouped))
print(grouped)
<class 'pandas.core.groupby.groupby.DataFrameGroupBy'>
分組時，不僅僅可以指定一個列名，也可以指定多個列名：
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
指定多個列名個單個列名后的區(qū)別在于，分組的主鍵或者索引（indice）將一個是單個主鍵，另一個則是一個元組的形式：
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
通過調用get_group()函數可以返回一個按照分組得到的DataFrame對象，所以接下來的使用就可以按照·DataFrame·對象來使用。如果想讓這個DataFrame對象的索引重新定義可以通過：
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
這里可以總結一下，由于通過groupby()函數分組得到的是一個DataFrameGroupBy對象，而通過對這個對象調用get_group()，返回的則是一個·DataFrame·對象，所以可以將DataFrameGroupBy對象理解為是多個DataFrame組成的。
而沒有調用get_group()函數之前，此時的數據結構任然是DataFrameGroupBy，此時進行對DataFrameGroupBy按照列名進行索引，同理就可以得到SeriesGroupBy對象，取多個列名，則得到的任然是DataFrameGroupBy對象，這里可以類比DataFrame和Series的關系。
按照上面的思路理解后，再調用get_group()函數后得到的DataFrame對象按照列名進行索引實際上就是得到了Series的對象，下面的操作就可以按照Series對象中的函數行了。
在沒有進行調用get_group()，也就是沒有取出特定某一組數據之前，此時的數據結構任然是DataFrameGroupBy，其中也有很多函數和方法可以調用，如max()、count()、std()等，返回的結果是一個DataFrame對象。
print(grouped.count())
print(grouped.max()[['Age', 'Score']])
print(grouped.mean()[['Age', 'Score']])
Name Age Score
Gender
Female 3 3 3
Male 5 5 5
Age Score
Gender
Female 22 98
Male 21 100
Age Score
Gender
Female 19.0 95.666667
Male 19.6 89.000000
如果其中的函數無法滿足你的需求，你也可以選擇使用聚合函數aggregate，傳遞numpy或者自定義的函數，前提是返回一個聚合值。
def getSum(data):
total = 0
for d in data:
total+=d
return total
print(grouped.aggregate(np.median))
print(grouped.aggregate({'Age':np.median, 'Score':np.sum}))
print(grouped.aggregate({'Age':getSum}))
aggregate函數不同于apply，前者是對所有的數值進行一個聚合的操作，而后者則是對每個數值進行單獨的一個操作：
def addOne(data): return data + 1 df['Age'] = df['Age'].apply(addOne) df['Age'] = df['Age'].apply(int)
可視化操作
對組內的數據繪制概率密度分布：
grouped['Age'].plot(kind='kde', legend=True) plt.show()
由于grouped['Age']是一個SeriesGroupby對象, 顧名思義, 就是每一個組都有一個Series. 所以直接plot相當于遍歷了每一個組內的Age數據。
REF
groupby官方文檔
超好用的 pandas 之 groupby
到此這篇關于pandas之分組groupby()的使用整理與總結的文章就介紹到這了,更多相關pandas groupby()分組內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
python 解決數據庫寫入時float自動變?yōu)檎麛档膯栴}
這篇文章主要介紹了python 解決數據庫寫入時float自動變?yōu)檎麛档膯栴}，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-07-07
這篇文章主要為大家詳細介紹了python爬蟲抓取彈幕的方法，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-02-02
這篇文章主要介紹了Python中的進程分支fork和exec詳解,本文用實例講解fork()的使用,并講解了exec相關的8個方法等內容,需要的朋友可以參考下2015-04-04
本文給大家分享的是使用Python制作爬蟲采集小說的代碼，非常的簡單實用，雖然還是有點瑕疵，大家一起改改，共同進步2015-10-10
這篇文章主要介紹Django模板系統(tǒng)Django模板系統(tǒng)的實現代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-11-11
這篇文章主要實現四種數據結構，分別是數組、堆棧、隊列、鏈表。大家都知道可以用C語言實現這幾種數據結構，其實Python也可以實現，下面跟著小編一起來學習。2016-08-08
今天小編就為大家分享一篇python判斷計算機是否有網絡連接的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
本文主要介紹了Python?生成多行重復數據的方法實現，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-03-03
這篇文章主要介紹了如何用python開發(fā)一款翻譯工具，幫助大家更好的理解和學習python，感興趣的朋友可以了解下2020-10-10
正二十面體由20個小的正三角形面組成,每個頂點周圍有?5?個頂點,下面這篇文章主要給大家介紹了關于Python繪制正二十面體圖形的相關資料,需要的朋友可以參考下2022-12-12