Pandas分组聚合
创建一个dataframe结构分组函数 groupby()初识分组聚合多重行索引分组聚合对多列数据进行分组聚合综合应用聚合函数 agg(aggregate)求 多列数据 的 多个指标对多列数据统计不同的指标对多列数据统计不同个数的指标agg调用 自定义函数使用agg 调用numpy的统计指标创建一个dataframe结构
import pandas as pddf = pd.DataFrame(data={'name': ['z_s', 'l_s', 'w_w', 'z_l', 'y_s', 'j_j', 'l_b', 'z_f', 'hs_q', 'lbl_k', 'qy_n', 'mg_n'],'score': [100, 97, 98, 89, 67, 59, 29, 87, 78, 89, 88, 80],'group': [1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2],'cls': ['A', 'A', 'A', 'B', 'B', 'B', 'A', 'A', 'A', 'B', 'B', 'B'],'height': [178.0, 180.0, 176.0, 182.0, 189.0, 190.0, 172.5, 175.0, 165.0, 160.0, 158.5, 159.0]},index=['stu_' + str(i) for i in np.arange(1, 13, 1)])print('df:\n', df)
分组函数 groupby()
初识分组聚合
我们可以通过DataFrame.groupby(by=[”column“]) 方法对数据进行分组,再根据需求进行 聚合操作。
统计各个班的最高的成绩:
# 先按照班级进行分组,再统计各个组里面的成绩的最大值!ret = df.groupby(by=['cls'])['score'].max().reset_index()print('ret:\n', ret)
分开来看就是:
ret = df.groupby(by=['cls'])# 将数据以 cls 进行分组,返回 DataFrameGroupBy 对象print(ret)# <pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002B6BA60>ret = ret['score']# 取出 score 列,返回 SeriesGroupBy 对象print(ret)# <pandas.core.groupby.generic.SeriesGroupBy object at 0x000002B6B59EAFD0>ret = ret.max()# 取出 score 中的最大值,返回 Series 对象print(ret)"""clsA 100B89Name: score, dtype: int64"""ret = ret.reset_index()# 重设索引,返回 DataFrame 对象print(ret)"""cls score0 A 1001 B89"""
多重行索引分组聚合
统计各个班的各个小组的最高成绩
# 先按照班级分组,再按照小组分组,最后统计各个小组内成绩的最大值ret = df.groupby(by=['cls', 'group'])['score'].max()print('ret:\n', ret)print('index:\n', ret.index)# MultiIndex ---多重行索引ret = ret.reset_index()# 重设索引print(ret)
对多列数据进行分组聚合
统计各个班级的成绩、身高的平均值:
# 按照班级分组,统计各个组内 成绩、身高的平均值ret = df.groupby(by=['cls'])[['score', 'height']].mean().reset_index()print('ret:\n', ret)
综合应用
统计各个班级、各个小组的成绩、身高的平均值
# 先按照班级分组、再按照小组分组---统计各个小组内的成绩的平均值、身高的平均值ret = df.groupby(by=['cls', 'group'])[['score', 'height']].mean().reset_index()print('ret:\n', ret)
聚合函数 agg(aggregate)
在Pandas中,
agg
和aggregate
两个函数指向同一个方法,使用时写任意一个即可。
求 多列数据 的 多个指标
统计成绩、身高的最大值、均值
# 使用agg 方法 可以对多列数据一次性求出多个指标ret = df.loc[:, ['score', 'height']].agg([np.max, np.mean])print('ret:\n', ret)
对多列数据统计不同的指标
统计成绩的均值、同时统计身高的最大值
ret = df.agg({'score': [np.mean], 'height': [np.max]})print('ret:\n',ret)
对多列数据统计不同个数的指标
统计成绩的均值、最大值、中位数 和 身高的均值
ret = df.agg({'score': [np.mean, np.max, np.median], 'height': [np.mean]})print('ret:\n', ret)
使用agg 方法也可以配合着 分组 对不同列、不同的数据、统计不同个数的 不同指标!
ret = df.groupby(by=['cls']).agg({'height': [np.max,np.mean], 'score': [np.min]})print('ret:\n', ret)
agg调用 自定义函数
ret = df.loc[:, 'score'].agg(lambda x: x + 1)print('ret1:\n', ret)def func_add_one(x):return x + 1ret = df.loc[:, 'score'].agg(func_add_one)print('ret2:\n', ret)# 对多列 使用自定义函数ret = df.loc[:, ['score', 'height']].agg(func_add_one)print('ret3:\n', ret)
使用agg 调用numpy的统计指标
# 统计所有同学成绩的和ret = df.loc[:, 'score'].agg(np.sum)print('ret:\n',ret)print('type:\n',type(ret))# # 统计所有同学 成绩以及身高 的和ret = df.loc[:, ['score', 'height']].agg(np.sum)print('ret:\n', ret)print('type:\n',type(ret))# 统计身高 + 成绩(无意义的,只是为了演示能够 同一行相加)ret = df.loc[:, ['score', 'height']].agg(np.sum, axis=1)# 使用axis指定相加的方向print('ret:\n', ret)print('type:\n',type(ret))
除了以上方法之外,还可以使用自定义方法聚合,可以参见我的这篇文章:Pandas使用自定义方法