python Pandas中數(shù)據(jù)的合并與分組聚合
作者：沉迷學習的鄭博士
大家好，本篇文章主要講的是python Pandas中數(shù)據(jù)的合并與分組聚合，感興趣的同學趕快來看一看吧，對你有幫助的話記得收藏一下
一、字符串離散化示例
對于一組電影數(shù)據(jù)，我們希望統(tǒng)計電影分類情況，應該如何處理數(shù)據(jù)？（每一個電影都有很多個分類）
思路：首先構(gòu)造一個全為0的數(shù)組，列名為分類，如果某一條數(shù)據(jù)中分類出現(xiàn)過，就讓0變?yōu)?
代碼：
# coding=utf-8
import pandas as pd
from matplotlib import pyplot as plt
import numpy as np
file_path = "./IMDB-Movie-Data.csv"
df = pd.read_csv(file_path)
print(df["Genre"].head(3))
#統(tǒng)計分類的列表
temp_list = df["Genre"].str.split(",").tolist() #[[],[],[]]
genre_list = list(set([i for j in temp_list for i in j]))
#構(gòu)造全為0的數(shù)組
zeros_df = pd.DataFrame(np.zeros((df.shape[0],len(genre_list))),columns=genre_list)
# print(zeros_df)
#給每個電影出現(xiàn)分類的位置賦值1
for i in range(df.shape[0]):
#zeros_df.loc[0,["Sci-fi","Mucical"]] = 1
zeros_df.loc[i,temp_list[i]] = 1
# print(zeros_df.head(3))
#統(tǒng)計每個分類的電影的數(shù)量和
genre_count = zeros_df.sum(axis=0)
print(genre_count)
#排序
genre_count = genre_count.sort_values()
_x = genre_count.index
_y = genre_count.values
#畫圖
plt.figure(figsize=(20,8),dpi=80)
plt.bar(range(len(_x)),_y,width=0.4,color="blue")
plt.xticks(range(len(_x)),_x)
plt.show()結(jié)果：
二、數(shù)據(jù)合并
2.1 join
join:默認情況下他是把行索引相同的數(shù)據(jù)合并到一起
2.2 merge
merge：按照指定的列把數(shù)據(jù)按照一定的方式合并到一起
三、數(shù)據(jù)的分組和聚合
示例：現(xiàn)在我們有一組關(guān)于全球星巴克的店鋪的統(tǒng)計數(shù)據(jù)，如果我想知道美國的星巴克數(shù)量和中國的哪個多，或者我想知道中國每個省份的星巴克的數(shù)量情況，應該怎么辦？
代碼:
import pandas as pd
file_path = "./starbucks_store_worldwide.csv"
df = pd.read_csv(file_path)
grouped = df.groupby(by="Country")#按照分組查詢
# print(grouped)
#DataFrameGroupBy
#可以進行遍歷
# for i,j in grouped:
# print(i)
# print("-"*100)
# print(j,type(j))
# print("*"*100)
# 調(diào)用聚合方法
country_count = grouped["Brand"].count()
# print(country_count["US"])
# print(country_count["CN"])
#統(tǒng)計中國每個省店鋪的數(shù)量
china_data = df[df["Country"] =="CN"]
grouped = china_data.groupby(by="State/Province").count()["Brand"]
# print(grouped)
# 數(shù)據(jù)按照多個條件進行分組,返回Series
grouped = df["Brand"].groupby(by=[df["Country"],df["State/Province"]]).count()
# print(grouped)
# print(type(grouped))
# 數(shù)據(jù)按照多個條件進行分組,返回DataFrame
grouped1 = df[["Brand"]].groupby(by=[df["Country"],df["State/Province"]]).count()
grouped2= df.groupby(by=[df["Country"],df["State/Province"]])[["Brand"]].count()
grouped3 = df.groupby(by=[df["Country"],df["State/Province"]]).count()[["Brand"]]
print(grouped1,type(grouped1))
print("*"*100)
print(grouped2,type(grouped2))
print("*"*100)
print(grouped3,type(grouped3))四、索引
簡單的索引操作：
獲取index：df.index
指定index:df.index=['x','y']
重新設置index：df.reindex(list("abcdef"))
指定某一行作為index：df.set_index("Country",drop=False)
返回index的唯一值：df.set_index("Country").index.unique()
總結(jié)
到此這篇關(guān)于python Pandas中數(shù)據(jù)的合并與分組聚合的文章就介紹到這了,更多相關(guān)python Pandas內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！