pandas中df.groupby()方法深入讲解
HTDiiii 人气:0分组：根据研究目的，将所有样本点按照一个或多个属性划分为多个组，就是分组。
pandas中，数据表就是DataFrame对象，分组就是groupby方法。将DataFrame中所有行按照一列或多列来划分，分为多个组，列值相同的在同一组，列值不同的在不同组。
分组后，就得到一个groupby对象，代表着已经被分开的各个组。后续所有的动作，比如计数，求平均值等，都是针对这个对象，也就是都是针对各个组。即在每个组组内进行计数，求平均值等。
分组的返回结果
df = pd.DataFrame([['a', 'man', 120, 90],
['b', 'woman', 130, 100],
['a', 'man', 110, 108],
['a', 'woman', 120, 118]], columns=['level', 'gender', 'math','chinese'])
group = df.groupby('gender')
df.groupby() 函数返回的对象是一系列键值对，其中键是分组的字段值，值是该字段值下的数据表。分组的结果是无法直接输出的，print()只能看到该结果的数据类型。可以用循环对分组后的结果进行遍历。
print(group)
# <pandas.core.groupby.generic.DataFrameGroupBy object at 0x11cb60f50>
for key, value in group:
print(key)
print(value)
print("")
man
level gender math chinese
0 a man 120 90
2 a man 110 108
woman
level gender math chinese
1 b woman 130 100
3 a woman 120 118
按一列分组：df.groupby(column)
group = df.groupby('gender') # 按照'gender'列的值来分组，创建一个groupby对象
# group = df.groupby(['gender']) # 等价写法
for key, df in group:
print(key)
print(df)
man
level gender math chinese
0 a man 120 90
2 a man 110 108
woman
level gender math chinese
1 b woman 130 100
3 a woman 120 118
按多列分组：df.groupby([column1, column2])
group = df.groupby(['gender', 'level'])
# 先按照'grade'列的值来分组。每组内，再按'level'列来分组。也返回一个groupby对象
for key, value in group:
print(key)
print(value)
print("")
('man', 'a')
level gender math chinese
0 a man 120 90
2 a man 110 108
('woman', 'a')
level gender math chinese
3 a woman 120 118
('woman', 'b')
level gender math chinese
1 b woman 130 100
查看每组的统计数据：df.groupby(column).describe()
对数据表中的数值列进行统计，给出包括count = 计数，mean = 平均数，std = 方差，min = 最小值，25% = 四分位数，50% = 二分位数，75% = 四分之三分位数，max = 最大值的信息。不会对非数值列统计。
返回的是一个dataframe。
查看所有列的统计信息
group = df.groupby(['gender'])
df1 = group.describe()
# df1 = df.groupby(['gender']).describe() # 等价写法
print(type(df1))
print(df1)
<class 'pandas.core.frame.DataFrame'>
math chinese \
count mean std min 25% 50% 75% max count
gender
man 2.0 115.0 7.071068 110.0 112.5 115.0 117.5 120.0 2.0
woman 2.0 125.0 7.071068 120.0 122.5 125.0 127.5 130.0 2.0
mean std min 25% 50% 75% max
gender
man 99.0 12.727922 90.0 94.5 99.0 103.5 108.0
woman 109.0 12.727922 100.0 104.5 109.0 113.5 118.0
查看指定列的统计信息
group = df.groupby(['gender']) df1 = group.describe()['math'] # 只看math列的统计信息 print(df1) count mean std min 25% 50% 75% max gender man 2.0 115.0 7.071068 110.0 112.5 115.0 117.5 120.0 woman 2.0 125.0 7.071068 120.0 122.5 125.0 127.5 130.0
查看纵向视图
unstack()可以将每列的统计信息垂直排列。
group = df.groupby(['gender'])
df1 = group.describe().unstack()
print(df1)
gender
math count man 2.000000
woman 2.000000
...
max man 120.000000
woman 130.000000
chinese count man 2.000000
woman 2.000000
...
woman 113.500000
max man 108.000000
woman 118.000000
dtype: float64
组内离散列计数：df.groupby(column)[column2].value_counts()
数据表中的列按值是否连续，可以分为连续值列、离散值列。对于离散值列，可以统计其不重复值的个数。对于连续值列，统计不重复值一般没有意义。统计结果是一个Series对象。
group = df.groupby(['gender'])
df1 = group['level'].value_counts() # 统计'level'列的不重复值个数
print(type(df1))
print(df1)
<class 'pandas.core.series.Series'>
gender level
man a 2
woman a 1
b 1py
Name: level, dtype: int64
组内数值列和：df.groupby(column).sum()
group = df.groupby(['gender']) df1 = group.sum() print(df1) math chinese gender man 230 198 woman 250 218
组内成员数：df.groupby(column).count()
每组内，按列统计每组的成员数。每列的统计结果是一样的
group = df.groupby(['gender']) df1 = group.count() print(df1) level math chinese gender man 2 2 2 woman 2 2 2
组内数值列均值：df.groupby(column).mean()
每组内，统计所有数值列的均值，非数值列无均值。
所有组的均值
group = df.groupby(['gender']) df1 = group.mean() print(df1) math chinese gender man 115 99 woman 125 109
单组的均值
group = df.groupby(['gender']) df1 = group['math'].mean() print(df1) gender man 115 woman 125 Name: math, dtype: int64
组内数值列最大值：df.groupby(column).max()
每组内，统计所有数值列的最大值，非数值列无最大值
统计所有数值列的最大值
group = df.groupby(['gender']) df1 = group.max() print(df1) level math chinese gender man a 120 108 woman b 130 118
统计单个数值列的最大值
group = df.groupby(['gender']) df1 = group['math'].max() print(df1) gender man 120 woman 130 Name: math, dtype: int64
组内应用函数：df.groupby(column1)[column2].apply()
group = df.groupby(['gender']) df1 = group['math'].apply(np.mean) # 求组内均值 print(df1) gender man 115.0 woman 125.0 Name: math, dtype: float64
组内不同列用不同函数：df.groupby(column).agg({column1:func, column2:func,…})
group = df.groupby(['gender'])
df1 = group.agg({'math':np.mean, 'chinese':np.std})
print(df1)
math chinese
gender
man 115 12.727922
woman 125 12.727922
总结
加载全部内容