pandas中groupby操作實現

2023-02-14 06:00:47

一、實驗目的

熟練掌握pandas中的groupby操作

二、實驗原理

groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False）

引數說明：

by是指分組依據（列表、字典、函數，元組，Series）
axis：是作用維度（0為行，1為列）
level：根據索引級別分組
sort：對groupby分組後新的dataframe中索引進行排序，sort=True為升序，
as_index：在groupby中使用的鍵是否成為新的dataframe中的索引，預設as_index=True
group_keys：在呼叫apply時，將group鍵新增到索引中以識別片段
squeeze ：如果可能的話，減少返回型別的維數，否則返回一個一致的型別

grouping操作（split-apply-combine）

資料的分組&聚合 – 什麼是groupby 技術?

在資料分析中，我們往往需要在將資料拆分，在每一個特定的組裡進行運算。比如根據教育水平和年齡段計算某個城市的工作人口的平均收入。

pandas中的groupby提供了一個高效的資料的分組運算。

我們通過一個或者多個分類變數將資料拆分，然後分別在拆分以後的資料上進行需要的計算

我們可以把上述過程理解為三部：

1.拆分資料（split）

2.應用某個函數（apply）

3.彙總計算結果（aggregate）

下面這個演示圖展示了“分拆-應用-彙總”的groupby思想

上圖所示，分解步驟：

Step1 ：資料分組—— groupby 方法

Step2 ：資料聚合：

使用內建函數——sum / mean / max / min / count等
使用自定義函數—— agg ( aggregate ) 方法
自定義更豐富的分組運算—— apply 方法

三、實驗環境

Python 3.6.1

Jupyter

四、實驗內容

練習pandas中的groupby的操作案例

五、實驗步驟

1.建立一個資料框df。

import numpy as np  
import pandas as pd  
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],'B' : ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],'C' : np.random.randn(8),'D' : np.random.randn(8)})  
print(df)

2.通過A列對df進行分佈操作。

df.groupby('A')

3.通過A、B列對df進行分組操作。

df.groupby(['A','B'])

4…使用自定義函數進行分組操作，自定義一個函數，使用groupby方法並使用自定義函數給定的條件，按列對df進行分組。

def get_letter_type(letter):  
    if letter.lower() in 'aeiou':  
        return 'vowel'  
    else:  
        return 'consonant'  
  
grouped = df.groupby(get_letter_type, axis=1)  
for group in grouped:  
    print(group)

5.建立一個Series名為s，使用groupby根據s的索引對s進行分組，返回分組後的新Series，對新Series進行first、last、sum操作。

lst = [1, 2, 3, 1, 2, 3]  
s = pd.Series([1, 2, 3, 10, 20, 30], lst)  
grouped = s.groupby(level=0)  
#檢視分組後的第一行資料  
grouped.first()  
#檢視分組後的最後一行資料  
grouped.last()  
#對分組的各組進行求和  
grouped.sum()

6.分組排序，使用groupby進行分組時，預設是按分組後索引進行升序排列，在groupby方法中加入sort=False引數，可以進行降序排列。

df2=pd.DataFrame({'X':['B','B','A','A'],'Y':[1,2,3,4]})  
#按X列對df2進行分組，並求每組的和  
df2.groupby(['X']).sum()  
#按X列對df2進行分組，分組時不對鍵進行排序，並求每組的和  
df2.groupby(['X'],sort=False).sum()

7.使用get_group方法得到分組後某組的值。

df3 = pd.DataFrame({'X' : ['A', 'B', 'A', 'B'], 'Y' : [1, 4, 3, 2]})  
#按X列df3進行分組，並得到A組的df3值  
df3.groupby(['X']).get_group('A')  
#按X列df3進行分組，並得到B組的df3值  
df3.groupby(['X']).get_group('B')

8.使用groups方法得到分組後所有組的值。

df.groupby('A').groups  
df.groupby(['A','B']).groups

9.多級索引分組，建立一個有兩級索引的Series，並使用兩個方法對Series進行分組並求和。

arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]  
index=pd.MultiIndex.from_arrays(arrays,names=['first','second'])  
s=pd.Series(np.random.randn(8),index=index)  
s.groupby(level=0).sum()  
s.groupby(level='second').sum()

10.複合分組，對s按first、second進行分組並求和。

s.groupby(level=['first', 'second']).sum()

11.複合分組（按索引和列），建立資料框df，使用索引級別和列對df進行分組。

arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]  
index = pd.MultiIndex.from_arrays(arrays, names=['first', 'second'])  
df = pd.DataFrame({'A': [1, 1, 1, 1, 2, 2, 3, 3], 'B': np.arange(8)},index=index)  
print(df)  
df.groupby([pd.Grouper(level=1),'A']).sum()

12.對df進行分組，將分組後C列的值賦值給grouped，統計grouped中每類的個數。

df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],'B' : ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],'C' : np.random.randn(8),'D' : np.random.randn(8)})  
grouped=df.groupby(['A'])  
grouped_C=grouped['C']  
print(grouped_C.count())

13.對上面建立的df的C列，按A列值進行分組並求和。

df['C'].groupby(df['A']).sum()

14.遍歷分組結果，通過A，B兩列對df進行分組，分組結果的組名為元組。

for name, group in df.groupby(['A', 'B']):  
    print(name)  
    print(group)

15.通過A列對df進行分組，並檢視分組物件的bar列。

df.groupby(['A']).get_group(('bar'))

16.按A,B兩列對df進行分組，並檢視分組物件中bar、one都存在的部分。

df.groupby(['A','B']).get_group(('bar','one'))

注意:當分組按兩列來分時，檢視分組物件也應該包含每列的一部分。

17.聚合操作，按A列對df進行分組，使用聚合函數aggregate求每組的和。

grouped=df.groupby(['A']) grouped.aggregate(np.sum)

按A、B兩列對df進行分組，並使用聚合函數aggregate對每組求和。

grouped=df.groupby(['A'])  
grouped.aggregate(np.sum)

注意：通過上面的結果可以看到。聚合完成後每組都有一個組名作為新的索引，使用as_index=False可以忽略組名。

18.當as_index=True時，在groupby中使用的鍵將成為新的dataframe中的索引。按A、B兩列對df進行分組，這是使引數as_index=False，再使用聚合函數aggregate求每組的和.

grouped=df.groupby(['A','B'],as_index=False)  
grouped.aggregate(np.sum)

19.聚合操作，按A、B列對df進行分組，使用size方法，求每組的大小。返回一個Series，索引是組名，值是每組的大小。

grouped=df.groupby(['A','B'])  
grouped.size()

20.聚合操作，對分組grouped進行統計描述。

grouped.describe()

注意：聚合函數可以減少資料框的維度，常用的聚合函數有：mean、sum、size、count、std、var、sem 、describe、first、last、nth、min、max。
執行多個函數在一個分組結果上：在分組返回的Series中我們可以通過一個聚合函數的列表或一個字典去操作series，返回一個DataFrame。

到此這篇關於pandas中groupby操作實現的文章就介紹到這了,更多相關pandas groupby操作內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！