数据清洗之 聚合函数使用

Posted 2022-07-08 wx62c62b36cedf9

聚合函数使用

• 对分组对象使用agg聚合函数
• Groupby.agg(func)
• 针对不同的变量使用不同的统计方法

import pandas as pd
import numpy as np
import

os.getcwd()

D:\\\\Jupyter\\\\notebook\\\\Python数据清洗实战\\\\数据清洗之数据统计

os.chdir(D:\\\\Jupyter\\\\notebook\\\\Python数据清洗实战\\\\数据)

df = pd.read_csv(online_order.csv, encoding=gbk, dtype=customer:str, order:str)

grouped = df.groupby(weekday)

grouped

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x00000248E5285860>

# agg可同时统计多个，更加灵活
grouped.agg([np.mean, np.max, np.min])

	total_items	discount%	hour	Food%	...	Beauty%	Health%	Baby%	Pets%
	mean	amax	amin	mean	amax	amin	mean	amax	amin	mean	...	amin	mean	amax	amin	mean	amax	amin	mean	amax	amin
weekday
1	30.662177	182	1	8.580705	100.0	-65.15	14.693122	23	0	22.690866	...	0.0	1.152285	100.00	0.0	11.592562	100.0	0.0	1.007306	100.0	0.0
2	31.868612	282	1	8.638014	100.0	-23.89	14.966197	23	0	23.994915	...	0.0	1.079423	100.00	0.0	11.277284	100.0	0.0	1.272638	100.0	0.0
3	31.869796	298	1	7.794507	100.0	-26.15	15.059898	23	0	24.309274	...	0.0	1.156829	100.00	0.0	9.591389	100.0	0.0	0.937205	100.0	0.0
4	32.251899	221	1	8.068155	100.0	-17.24	14.324185	23	0	24.374364	...	0.0	1.031490	100.00	0.0	9.058201	100.0	0.0	1.080473	100.0	0.0
5	31.406619	167	1	9.159031	100.0	-47.26	13.386919	23	0	24.602790	...	0.0	1.248605	100.00	0.0	9.655343	100.0	0.0	0.908227	100.0	0.0
6	32.154814	190	1	8.414258	100.0	-39.84	14.751084	23	0	23.743196	...	0.0	1.170585	81.77	0.0	11.478343	100.0	0.0	1.150980	100.0	0.0
7	32.373837	222	1	8.710171	100.0	-63.64	16.989535	23	0	22.271512	...	0.0	1.145938	72.77	0.0	13.844250	100.0	0.0	0.950391	100.0	0.0

7 rows × 33 columns

# 同时计算total_items和总和 和 Food%的均值
grouped.agg(total_items:np.sum, Food%:np.mean)

	total_items	Food%
weekday
1	191240	22.690866
2	158387	23.994915
3	150043	24.309274
4	131620	24.374364
5	79710	24.602790
6	74149	23.743196
7	167049	22.271512

grouped.agg(total_items:np.sum, Food%:[np.mean, np.max])

mysql之聚合函数

数据清洗之 高阶函数处理

MySQL聚合函数

使用分组函数对数据进行聚合

07-SQLSERVER聚合函数

MySQL数据操作与查询（第六章 上）

	total_items	Food%
	sum	mean	amax