沧海拾珠

Pandas中Groupby的使用

发表于 | 分类于 |

1. Groupby用于数据分组

1
2
3
4
5
6
7
8
9
10
import pandas as pd
import numpy as np
df = pd.DataFrame([('bird',    389.0),('bird',     24.0),('mammal',   80.5),('mammal', np.nan)],
                      index=['falcon', 'parrot', 'lion', 'monkey'],
                      columns=('class', 'max_speed'))
	class	max_speed
falcon	bird	389.0
parrot	bird	24.0
lion	mammal	80.5
monkey	mammal	NaN

对class进行分组并打印出来

1
2
3
4
5
6
7
8
9
10
11
12
13
14
new_df = df.groupby(['class'])
for key,value in new_df:
    print(key)
    print(value) 
#分组结果
bird
       class  max_speed
falcon  bird      389.0
parrot  bird       24.0
mammal
         class  max_speed
lion    mammal       80.5
monkey  mammal        NaN

2. groupby().mean() 计算分组后的平均值，只有numerical值才会纳入计算

1
2
3
4
5
6
df.groupby(['class']).mean()
	max_speed
class	
bird	206.5
mammal	80.5

3. groupby.agg() 聚合函数的使用

可以将多个函数聚合在一起使用，非常的方面快捷。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
>>> df = pd.DataFrame({'A': [1, 1, 2, 2],
...                    'B': [1, 2, 3, 4],
...                    'C': np.random.randn(4)})
>>> df
   A  B         C
0  1  1  0.362838
1  1  2  0.227877
2  2  3  1.267767
3  2  4 -0.562860
# 以A分组，并找出每组最小及最大值。
>>> df.groupby('A').agg(['min', 'max'])
    B             C
  min max       min       max
A
1   1   2  0.227877  0.362838
2   3   4 -0.562860  1.267767
# 以A分组，选择B列中的最小最大值。
>>> df.groupby('A').B.agg(['min', 'max'])
   min  max
A
1    1    2
2    3    4
# 以A分组，对B和C列分别操作
>>> df.groupby('A').agg({'B': ['min', 'max'], 'C': 'sum'})
    B             C
  min max       sum
A
1   1   2  0.590716
2   3   4  0.704907

4. 其他函数

  • groupby.size()
  • groupby.count()
  • groupby.first(), groupby.last()
  • groupby.head(), groupby.tail()
  • groupby.max(), groupby.min(),获得分组数据中最大/最小的值