數(shù)據(jù)分組
- 使用
groupby()
方法進(jìn)行分組
- group.
size()
查看分組后每組的數(shù)量
- group.
groups
查看分組情況
- group.
get_group('名字')
根據(jù)分組后的名字選擇分組數(shù)據(jù)
準(zhǔn)備數(shù)據(jù)
# 一個(gè)Series其實(shí)就是一條數(shù)據(jù),Series方法的第一個(gè)參數(shù)是data,第二個(gè)參數(shù)是index(索引),如果沒(méi)有傳值會(huì)使用默認(rèn)值(0-N)
# index參數(shù)是我們自定義的索引值,注意:參數(shù)值的個(gè)數(shù)一定要相同。
# 在創(chuàng)建Series時(shí)數(shù)據(jù)并不一定要是列表,也可以將一個(gè)字典傳進(jìn)去。
from pandas import Series, DataFrame
# 使用字典創(chuàng)建
index_list = ['001', '002', '003', '004', '005', '006', '007', '008', '009', '010']
name_list = ['李白', '王昭君', '諸葛亮', '狄仁杰', '孫尚香', '妲己', '周瑜', '張飛', '王昭君', '大喬']
age_list = [25, 28, 27, 25, 30, 29, 25, 32, 28, 26]
gender_list = ['F', 'M', 'F', 'F', 'M', 'M', 'F', 'F', 'M', 'M']
salary_list = ['10k', '12.5k', '20k', '14k', '12k', '17k', '18k', '21k', '22k', '21.5k']
marital_list = ['NO', 'NO', 'YES', 'YES', 'NO', 'NO', 'NO', 'YES', 'NO', 'YES']
dic = {
'姓名': Series(data=name_list, index=index_list),
'年齡': Series(data=age_list, index=index_list),
'薪資': Series(data=salary_list, index=index_list),
'性別': Series(data=gender_list, index=index_list),
'婚姻狀況': Series(data=marital_list, index=index_list)
}
df = DataFrame(dic)
# 寫入csv,path_or_buf為寫入文本文件
df.to_csv(path_or_buf='./People.csv', encoding='utf_8_sig')
print('end')
上面代碼會(huì)在當(dāng)前目錄下生成一個(gè) People.csv
文件
import pandas as pd
df = pd.read_csv('./People.csv')
df.head()
# 根據(jù) '性別列' 進(jìn)行分組, 得到的是一個(gè)分組后的對(duì)象
groups = df.groupby('性別')
print(groups)
pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002953DAEBC88>
size()
使用groupby的size方法可以查看分組后每組的數(shù)量, 并返回一個(gè)含有分組大小的Series
可以只對(duì)一列數(shù)據(jù)進(jìn)行分組, 只保留想要的數(shù)據(jù)
例如: 通過(guò)性別, 只對(duì)年齡進(jìn)行分組
group = df['年齡'].groupby(df['性別'])
# 查看分組
print(group.groups)
# 根據(jù)分組后的名字選擇分組
print(group.get_group('F'))
{'F': Int64Index([0, 2, 3, 6, 7], dtype='int64'), 'M': Int64Index([1, 4, 5, 8, 9], dtype='int64')}
0 25
2 27
3 25
6 25
7 32
Name: 年齡, dtype: int64
- 代碼
df['年齡'].groupby(df['性別'])
的邏輯是:取出df中'年齡'列數(shù)據(jù),并且對(duì)該列數(shù)據(jù)根據(jù)df[‘性別']列數(shù)據(jù)進(jìn)行分組操作
- 這個(gè)代碼也可寫成
df.groupby(df['性別'])['年齡']
, 他的邏輯是: 將df數(shù)據(jù)通過(guò)df[‘性別']進(jìn)行分組,然后再取出分組后的'年齡'列數(shù)據(jù)。兩種寫法達(dá)到的效果是一樣的
group.groups
的結(jié)果是一個(gè)字典,字典的key是分組后每個(gè)組的名字,對(duì)應(yīng)的值是分組后的數(shù)據(jù),此方法方便我們產(chǎn)看分組的情況
group.get_group('F')
這個(gè)方法可以根據(jù)具體分組的名字獲取,每個(gè)組的數(shù)據(jù)
對(duì)分組進(jìn)行遍歷
import pandas as pd
df = pd.read_csv('./People.csv')
groups = df.groupby('性別')
# print(groups)
for group_name,group_df in groups:
print('分組的名稱:', group_name, '分組的數(shù)據(jù)', group_df.shape)
print('-'*10)
分組的名稱: F 分組的數(shù)據(jù) (5, 6)
----------
分組的名稱: M 分組的數(shù)據(jù) (5, 6)
----------
- 將分組后的對(duì)象groups進(jìn)行遍歷,可以獲取到group_name每個(gè)組的名字,group_df每個(gè)組的數(shù)據(jù)
import pandas as pd
df = pd.read_csv('./People.csv')
groups = df.groupby('性別')
for group_name,group_df in groups:
f_mean = group_df['年齡'].mean()
f_max = group_df['年齡'].max()
f_min = group_df['年齡'].min()
print('{}組的最大年齡是{},最小年齡是{},平均年齡是{}'.format(group_name,f_max,f_min,f_mean))
F組的最大年齡是32,最小年齡是25,平均年齡是26.8
M組的最大年齡是30,最小年齡是26,平均年齡是28.2
按多列進(jìn)行分組
當(dāng)需要按照多列進(jìn)行分組的時(shí)候, groupby 方法里面我們傳入一個(gè)列表, 列表分別存儲(chǔ)分組依據(jù)的列名
注意: 列表中列名的順序, 確定了先按XXXX列分組, 然后在按照YYYY列分組, 不同的順序產(chǎn)生的分組名字是不同的
df = pd.read_csv('./People.csv')
group=df.groupby(['性別', '婚姻狀況'])
df1 = group.size()
print(df1)
性別 婚姻狀況
F NO 2
YES 3
M NO 4
YES 1
dtype: int64
group.size()返回的結(jié)果中發(fā)現(xiàn)索引值是多層的, 所以對(duì)于多索引值的獲取, 只需要從外往里一層一層的取就可以啦, 就像我們睡覺(jué)之前,需要先脫外衣再脫掉內(nèi)衣是一樣的
size = df1['F'][ 'NO']
print(size)
pandas 常用統(tǒng)計(jì)函數(shù)
count()
統(tǒng)計(jì)列表中非空手機(jī)開(kāi)的個(gè)數(shù)
nunique()
統(tǒng)計(jì)非重復(fù)的數(shù)據(jù)個(gè)數(shù)
sum()
統(tǒng)計(jì)列表中所有數(shù)值的和
mean()
計(jì)算列表中數(shù)據(jù)的平均值
median()
統(tǒng)計(jì)列表中數(shù)據(jù)中位數(shù)
max()
求列表中數(shù)據(jù)的最大值
min()
求列表中數(shù)據(jù)的最小值
對(duì)分組后的數(shù)據(jù)進(jìn)行統(tǒng)計(jì) agg()
import pandas as pd
df = pd.read_csv('./People.csv')
groups = df.groupby('性別')
for group_name,group_df in groups:
f_se = group_df['年齡'].agg(['max','min','mean'])
print('{}組的最大年齡是{},最小年齡是{},平均年齡是{}'.format(group_name,f_se[0],f_se[1],f_se[2]))
F組的最大年齡是32.0,最小年齡是25.0,平均年齡是26.8
M組的最大年齡是30.0,最小年齡是26.0,平均年齡是28.2
- 在使用
agg()
函數(shù)時(shí), 我們可以將多個(gè)統(tǒng)計(jì)函數(shù)一起放在一個(gè) agg() 函數(shù)中
- 如果是統(tǒng)計(jì)函數(shù)是pandas 提供的, 只需要將函數(shù)名字以字符串的形式存儲(chǔ)到列表中即可
- 例如: 將 max() 改成 ‘max'
自定義統(tǒng)計(jì)函數(shù)
當(dāng)使用自定義的統(tǒng)計(jì)函數(shù)時(shí)
先創(chuàng)建統(tǒng)計(jì)函數(shù)
# 自定義的統(tǒng)計(jì)函數(shù)
def my_peak_range(df):
"""
返回最大值與最小之間的范圍
"""
return df.max() - df.min()
# 使用
for group_name,group_df in groups:
f_se = group_df['年齡'].agg(['max','min','mean',my_peak_range])
print(f_se[0],f_se[1],f_se[3])
32.0 25.0 7.0
30.0 26.0 4.0
注意: 自定義函數(shù)名字傳入agg()
函數(shù)時(shí), 不需要轉(zhuǎn)換成字符串
補(bǔ)充: 在這個(gè)數(shù)據(jù)中, 性別是什么的人總年齡最高
import pandas as pd
df = pd.read_csv('./People.csv')
groups = df.groupby('性別')
gende=groups.sum().sort_values(by='年齡',ascending=False).index.to_list()[0]
"""
這行代碼, 先按性別進(jìn)行分組, 然后吧每組中的數(shù)據(jù)求和得到總的年齡, 在按照年齡排序
再取出index,最后使用to_list()轉(zhuǎn)換為列表,取出第一個(gè)數(shù)據(jù)
"""
print(gende)
M
開(kāi)始按照性別分組, 組量太少, 數(shù)據(jù)也比較少, 本來(lái)準(zhǔn)備算薪資總數(shù), 但是單位忘記換了, 就這樣吧
到此這篇關(guān)于pandas數(shù)據(jù)分組groupby()和統(tǒng)計(jì)函數(shù)agg()的使用的文章就介紹到這了,更多相關(guān)pandas groupby()和agg()內(nèi)容請(qǐng)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!
您可能感興趣的文章:- pandas之分組groupby()的使用整理與總結(jié)
- 分享Pandas庫(kù)中的一些寶藏函數(shù)transform()
- Pandas中的 transform()結(jié)合 groupby()用法示例詳解