Python?groupby函數(shù)圖文詳解
一、分組原理
核心：
1、不論分組鍵是數(shù)組、列表、字典、Series、函數(shù)，只要其與待分組變量的軸長度一致都可以傳入groupby進(jìn)行分組。
2、默認(rèn)axis=0按行分組，可指定axis=1對列分組。
groupby()語法格式
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分組，比如將一個數(shù)據(jù)集按A進(jìn)行分組，效果如下
使用groupby實現(xiàn)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')
返回結(jié)果如上 得到一個叫DataFrameGroupBy的東西,pandas不能直接顯示出來 可以調(diào)用list顯示出來
groupby()的配合函數(shù) 函數(shù) 適用場景備注.mean()均值.count()計數(shù).min()最小值.mean().unstack()求均值，聚合表的層次索引不堆疊.size()計算分組大小GroupBy的size方法,將返回一個含有分組大小的Series.apply().agg()
這里演示.mean()和.count()
# mean()
data.groupby('name')['age'].mean()
# count()
data.groupby('name')['age'].count()
data.groupby('age').count()
也可以根據(jù)單鍵多列進(jìn)行聚合
# 單鍵多列聚合
data.groupby('name')[['race','age',]].count()
.agg操作 可以取多個函數(shù)進(jìn)行選擇 有時候我們既需要平均值，有需要計數(shù)(也可是取一個)
agg為列表
print(data.groupby('name')['age'].agg(['mean']))
print(data.groupby('name')['age'].agg(['mean','count']))
也可以傳入字典，對組內(nèi)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()
可以使用我們自己所創(chuàng)建的函數(shù)
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)))
簡單操作基本介紹完成
有時候需要將聚合的另一列放到一起 并且取消鍵的重復(fù)值 這個時候可以這樣做
上面是構(gòu)建的數(shù)據(jù)，需要對訂購時間進(jìn)行處理，這里我們是將月份+天數(shù)/30，然后對ID列進(jìn)行去重,并將后面Time列計算的結(jié)果放到一起
import numpy as np
import pandas as pd
data = pd.read_excel('訂購時間預(yù)測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')
# 這一步是去重(ID),不去重會出現(xiàn)錯誤
result = grouped['m_d'].unique()
result2 = result.reset_index()
print(result2)
總結(jié)
到此這篇關(guān)于Python groupby函數(shù)詳解的文章就介紹到這了,更多相關(guān)groupby函數(shù)詳解內(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！
- Python技巧分享之groupby基礎(chǔ)用法詳解
- python?groupby函數(shù)實現(xiàn)分組選取最大值與最小值
- python groupby函數(shù)實現(xiàn)分組后選取最值
- 詳解python中g(shù)roupby函數(shù)通俗易懂
- python groupby 函數(shù) as_index詳解
- Python DataFrame.groupby()聚合函數(shù),分組級運算
- Python中的groupby分組功能的實例代碼
- Python在groupby分組后提取指定位置記錄方法
- Python正則表達(dá)式中g(shù)roup與groups的用法詳解
相關(guān)文章
本文主要介紹了OpenCV實現(xiàn)背景分離(證件照背景替換)，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-09-09
這篇文章主要介紹了Python Selenium截圖功能實現(xiàn)代碼,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-04-04
這篇文章主要介紹了Python通過len函數(shù)返回對象長度,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-10-10
大家好，本篇文章主要講的是用python實現(xiàn)文件備份，感興趣的同學(xué)趕快來看一看吧，對你有幫助的話記得收藏一下2022-01-01
這篇文章主要介紹了Python中字典與恒等運算符的用法,結(jié)合實例形式分析了Python中字典與恒等運算符功能、常見用法及操作注意事項,需要的朋友可以參考下2019-08-08
JSON和XML都是互聯(lián)網(wǎng)上數(shù)據(jù)交換的主要載體。這篇文章主要介紹了JSON文件及Python對JSON文件的讀寫操作,需要的朋友可以參考下2018-10-10
今天小編就為大家分享一篇Python第三方庫h5py_讀取mat文件并顯示值的方法，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2019-02-02
今天小編就為大家分享一篇pandas分區(qū)間,算頻率的實例，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2019-07-07
Flask框架使用DBUtils模塊連接數(shù)據(jù)庫操作示例
這篇文章主要介紹了Flask框架使用DBUtils模塊連接數(shù)據(jù)庫操作,結(jié)合實例形式較為詳細(xì)的分析了flask框架使用DBUtils模塊連接數(shù)據(jù)庫的常見操作技巧與相關(guān)注意事項,需要的朋友可以參考下2018-07-07
本文主要介紹了Python裝飾器有哪些絕妙的用法，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-07-07