Pandas DataFrame分組求和、分組乘積的實例
更新時間：2024年02月22日 09:44:22 作者：skyHdd
這篇文章主要介紹了Pandas DataFrame分組求和、分組乘積的實例,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
Pandas DataFrame分組求和、分組乘積
import numpy as np
import pandas as pd
pd.set_option('display.max_columns', 10)
# 刪除空數(shù)據(jù)
def DropNan(data_qd):
for i in range(len(data_qd)):
if np.isnan(data_qd['test_uniq_cnt'][i]) or \
np.isnan(data_qd['fail_uniq_cnt'][i]):
data_qd = data_qd.drop(i)
return data_qd
def GetGroupSum(df, lst_merge):
pop_group = df.groupby(lst_merge).sum().reset_index().\
rename(columns = {'test_uniq_cnt':'sum_test_cnt','fail_uniq_cnt':'sum_fail_cnt'})
pop_group['Percentofpass'] = pop_group.\
apply(lambda x: -99999 if x.sum_test_cnt == 0 or np.isnan(x.sum_test_cnt) or np.isnan(x.sum_fail_cnt) \
else 1 - float(x.sum_fail_cnt)/x.sum_test_cnt, axis = 1)
return pop_group
def GetGroupProd(df, lst_group):
fpy_group = df.groupby(lst_group).\
apply(lambda x: '無生產(chǎn)' if x['Percentofpass'].max(axis = 0) < 0 \
else 'NA' if x['Percentofpass'].min(axis = 0) < 0 \
else x['Percentofpass'].cumprod(axis = 0).iloc[-1]).reset_index()
fpy_group.columns = lst_group + ['fpy']
return fpy_group
DataFrame group分組（單列分組、多列分組、分組統(tǒng)計、迭代、聚合計算）
pandas - DataFrame
分組
def dataFormatGroup():
"""
分組統(tǒng)計
:return:
"""
# 解決數(shù)據(jù)輸出時列名不對齊的問題
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
data = [
["組織結構-1", "組織結構-1-1", 11, 12],
["組織結構-1", "組織結構-1-2", 11, 12],
["組織結構-1", "組織結構-1-3", 11, 12],
["組織結構-1", "組織結構-1-3", 13, 14],
["組織結構-2", "組織結構-2-1", 21, 22],
["組織結構-2", "組織結構-2-1", 21, 22],
["組織結構-2", "組織結構-2-3", 21, 22],
["組織結構-3", "組織結構-3-1", 31, 32],
["組織結構-3", "組織結構-3-1", 31, 32],
["組織結構-3", "組織結構-3-3", 31, 32],
["組織結構-4", "組織結構-4-1", 41, 42],
["組織結構-4", "組織結構-4-1", 41, 42],
["組織結構-4", "組織結構-4-3", 41, 42]
]
columns = ['一級單位', '二級單位', '男員工人數(shù)', '女員工人數(shù)']
df = pd.DataFrame(data=data, columns=columns)
# 按單列進行分組統(tǒng)計
group_one_org = df.groupby('一級單位').sum()
print(group_one_org)
# 按多列進行分組統(tǒng)計
group_two_org = df.groupby(['一級單位', '二級單位']).sum()
print(group_two_org)
# 按單列進行分組統(tǒng)計，并統(tǒng)計男員工人數(shù)
group_one_org_by_man = df.groupby(['一級單位'])["男員工人數(shù)"].sum()
print(group_one_org_by_man)
# 迭代
groups = df.groupby(['一級單位'])
for name, group in groups:
print(name)
print(group)
# 聚合函數(shù) (平均、求和、最大、最?。?
agg_1 = df.groupby("一級單位").agg(['mean', 'sum', 'max', 'min'])
print(agg_1)
# 聚合函數(shù) 分列聚合計算
agg_2 = df.groupby("一級單位").agg({'男員工人數(shù)': ['mean', 'sum'], '女員工人數(shù)': ['max', 'min']})
print(agg_2)
# 求和分組并排序（ascending True 升序 False 降序）
group_and_num = df.assign(sum=df.sum(axis=1)).groupby(['一級單位', '二級單位']).sum().sort_values("sum", ascending=True)
print(group_and_num)
原始數(shù)據(jù)：
一級單位 二級單位 男員工人數(shù) 女員工人數(shù) 0 組織結構-1 組織結構-1-1 11 12 1 組織結構-1 組織結構-1-2 11 12 2 組織結構-1 組織結構-1-3 11 12 3 組織結構-1 組織結構-1-3 13 14 4 組織結構-2 組織結構-2-1 21 22 5 組織結構-2 組織結構-2-1 21 22 6 組織結構-2 組織結構-2-3 21 22 7 組織結構-3 組織結構-3-1 31 32 8 組織結構-3 組織結構-3-1 31 32 9 組織結構-3 組織結構-3-3 31 32 10 組織結構-4 組織結構-4-1 41 42 11 組織結構-4 組織結構-4-1 41 42 12 組織結構-4 組織結構-4-3 41 42
group_one_org 按單列進行分組統(tǒng)計 返回結果：
男員工人數(shù) 女員工人數(shù) 一級單位 組織結構-1 46 50 組織結構-2 63 66 組織結構-3 93 96 組織結構-4 123 126
** group_two_org 按多列進行分組統(tǒng)計 返回結果：**
男員工人數(shù) 女員工人數(shù) 一級單位 二級單位 組織結構-1 組織結構-1-1 11 12 組織結構-1-2 11 12 組織結構-1-3 24 26 組織結構-2 組織結構-2-1 42 44 組織結構-2-3 21 22 組織結構-3 組織結構-3-1 62 64 組織結構-3-3 31 32 組織結構-4 組織結構-4-1 82 84 組織結構-4-3 41 42
group_one_org_by_man 按單列進行分組統(tǒng)計，并統(tǒng)計男員工人數(shù) 返回結果：
一級單位 組織結構-1 46 組織結構-2 63 組織結構-3 93 組織結構-4 123 Name: 男員工人數(shù), dtype: int64
groups 迭代 返回結果：
組織結構-1 一級單位 二級單位 男員工人數(shù) 女員工人數(shù) 0 組織結構-1 組織結構-1-1 11 12 1 組織結構-1 組織結構-1-2 11 12 2 組織結構-1 組織結構-1-3 11 12 3 組織結構-1 組織結構-1-3 13 14 組織結構-2 一級單位 二級單位 男員工人數(shù) 女員工人數(shù) 4 組織結構-2 組織結構-2-1 21 22 5 組織結構-2 組織結構-2-1 21 22 6 組織結構-2 組織結構-2-3 21 22 組織結構-3 一級單位 二級單位 男員工人數(shù) 女員工人數(shù) 7 組織結構-3 組織結構-3-1 31 32 8 組織結構-3 組織結構-3-1 31 32 9 組織結構-3 組織結構-3-3 31 32 組織結構-4 一級單位 二級單位 男員工人數(shù) 女員工人數(shù) 10 組織結構-4 組織結構-4-1 41 42 11 組織結構-4 組織結構-4-1 41 42 12 組織結構-4 組織結構-4-3 41 42
agg_1 聚合函數(shù) (平均、求和、最大、最小） 返回結果：
男員工人數(shù) 女員工人數(shù) mean sum max min mean sum max min 一級單位 組織結構-1 11.5 46 13 11 12.5 50 14 12 組織結構-2 21.0 63 21 21 22.0 66 22 22 組織結構-3 31.0 93 31 31 32.0 96 32 32 組織結構-4 41.0 123 41 41 42.0 126 42 42
agg_2 聚合函數(shù) 分列聚合計算 返回結果：
男員工人數(shù) 女員工人數(shù) mean sum max min 一級單位 組織結構-1 11.5 46 14 12 組織結構-2 21.0 63 22 22 組織結構-3 31.0 93 32 32 組織結構-4 41.0 123 42 42
求和分組并排序（ascending True 升序 False 降序） 返回結果：
男員工人數(shù) 女員工人數(shù) sum 一級單位 二級單位 組織結構-1 組織結構-1-1 11 12 23 組織結構-1-2 11 12 23 組織結構-2 組織結構-2-3 21 22 43 組織結構-1 組織結構-1-3 24 26 50 組織結構-3 組織結構-3-3 31 32 63 組織結構-4 組織結構-4-3 41 42 83 組織結構-2 組織結構-2-1 42 44 86 組織結構-3 組織結構-3-1 62 64 126 組織結構-4 組織結構-4-1 82 84 166
總結
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關文章
python產(chǎn)生模擬數(shù)據(jù)faker庫的使用詳解
這篇文章主要介紹了python產(chǎn)生模擬數(shù)據(jù)faker庫的使用詳解，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2020-11-11
這篇文章主要為大家詳細介紹了如何使用python繪制出帶有時間線的柱狀圖,文中的示例代碼講解的非常詳細,具有一定的學習與借鑒價值,需要的可以參考一下2023-07-07
這篇文章主要介紹了django框架forms組件用法,結合實例形式詳細分析了Django框架forms組件源碼及常用操作方法與使用注意事項,需要的朋友可以參考下2019-12-12
本文主要介紹了python批量telnet檢測IP地址的端口是否開放，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2023-04-04
這篇文章主要介紹了python tkinter Entry控件的焦點移動操作，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2021-05-05
這篇文章主要介紹了pycharm配置git(圖文教程),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2019-08-08
教你怎么用Python操作MySql數(shù)據(jù)庫
很多小伙伴都在問我能不能出一篇怎么用Python操作MySql數(shù)據(jù)庫的教程,今天特地整理了本篇文章,文中有非常詳細的圖文示例,需要的朋友可以參考下
2021-05-05 
這篇文章主要為大家詳細介紹了python交互式圖形編程實例，具有一定的參考價值，感興趣的小伙伴們可以參考一下
2017-11-11 
Numpy?是?Python?中科學計算的核心庫，NumPy?這個詞來源于?Numerical?和?Python?兩個單詞。它提供了一個高性能的多維數(shù)組對象，以及大量的庫函數(shù)和操作，可以幫助程序員輕松地進行數(shù)值計算，廣泛應用于機器學習模型、圖像處理和計算機圖形學、數(shù)學任務等領域
2022-03-03