pandas中df.groupby()方法深入讲解
作者：HTDiiii
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
到此这篇关于pandas中df.groupby()方法讲解的文章就介绍到这了,更多相关pandas df.groupby()方法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！