python数据分析之Dataframe分组（group by）

Posted 2022-12-15 柳小葱

Dataframe分组统计group by函数

对数据进行分组统计主要使用Dataframe函数，其功能如下：

• 根据给定的条件将数据拆分成组。
• 每个组都可单独应用函数（如sum、mean、std等）。
• 将结果合并到一个数据结果中。

语法如下：

Dataframe.groupby(by=None,axis=0,level=None,as_index=True,sort=True,group_keys=True,squeeze=False,observed=False)
"""
by:字典，映射，series对象，数组，标签，列表。如果by是一个函数，则对象索引的每个值调用它；如果传递了一个字典或者series对象，则使用该字典或者series对象来确定组。如果传递了数组ndarray，则按照原样式来确定这些组。
axis:axis=1表示行；axis=0表示列，默认值为0
level:表示索引层级，默认为无
as_index:布尔类型，默认为True,返回组标签为索引的对象
sort:对组进行排序，布尔类型，默认为True
group_keys:布尔类型，默认为True,调用apply函数时，将分组键添加到索引以标识片段
squeeze:布尔类型，默认为False,如果可能，减少返回类型的维度，否则返回一致类型
返回值：DataFrameGroupBy,返回包含有关组的信息的groupby对象

"""

2.展示举例数据集

这里我们使用书籍的数据进行展示。

import pandas as pd
pd.set_option('display.max_rows',500)#设置展示最高行数
pd.set_option('display.max_columns',1000)#设置展示最高列数
pd.set_option('display.unicode.east_asian_width',True)#设置列名对齐
#导入数据
df=pd.read_csv(r"C:\\Users\\Administrator\\Desktop\\python-code\\Code\\04\\15\\JD.csv",encoding="gbk")
print(df.head(10))

3.根据某一列分组

我们将"一级分类",“7天点击量”,"订单预定"这3列拿出组成一个新的df ,然后根据"一级分类"进行分组。并统计分组后的求和结果

#按照图书"一级分类"对订单数据进行分组统计求和
df1=df[["一级分类","7天点击量","订单预定"]]
print(df1.groupby('一级分类').sum())

这里我们可以看见，被分组的属性会被放到最左边，根据属性内的种类进行统计计算。

4.按照多列进行分组

我们抽取4列组成新的df,并按照2列进行分组

#按照图书的“一级分类”和“二级分类”对订单数据进行分组统计求和
df2=df[["一级分类","二级分类","7天点击量","订单预定"]]
print(df2.groupby(["一级分类","二级分类"]).sum())#分组统计求和

这里的分组，会按照"一级分类"进行分组后，再在"二级分类"分组内再进行分组。

如果我们想只获取分组后“7天点击量”的求和结果，我们可以只取这一列。

#按照“二级分类”分组，然后抽取“7天点击量”并对该列进行求和运算
print(df2.groupby("二级分类")["7天点击量"].sum())

5.对分组数据进行迭代

迭代是指对分组后的数据进行循环操作，查看每一种类型中的具体的结果。

#按照“一级分类”分组，并输出每一分类中的订单数据
df3=df[["一级分类","7天点击量","订单预定"]]
for name,group in df3.groupby("一级分类"):
    print(name)
    print(group)

上述代码的name是指“一级分类”分组后的值；而group是分组后的数据

如果对多列进行了分组，则需要在for循环中指定多列

key1和key2即是分组后的值

#迭代“一级分类”和"二级分类"的订单数据
df4=df[["一级分类","二级分类","7天点击量","订单预定"]]
for (key1,key2),group in df4.groupby(["一级分类","二级分类"]):
    print(key1,key2)
    print(group)

6.对分组后的某列或者多列使用聚合函数

主要使用函数agg对分组结果进行聚合运算

#按“一级分类”，"7天点击量"和“订单预定”，并求平均值和总和
print(df3.groupby("一级分类").agg(["mean","sum"]))

可以指定不同列使用不同的聚合效果

如：一列求平均和总和，一列只求总和

print(df3.groupby("一级分类").agg("7天点击量":['mean','sum'],"订单预定":['sum']))

7.通过字典和Series对象进行分组统计

这一部分主要就是通过字典或者series将某些类别重新打上标签，然后按照新的标签分类。

如：我们要将北京，上海，广州三个一线城市放在北上广，其他城市各自统计，给他们重新打上标签，然后分组。

• 通过字典重新标签

#通过字典进行分组
df=pd.read_csv(r"C:\\Users\\Administrator\\Desktop\\python-code\\Code\\04\\23\\JD.csv",encoding="gbk")
df.set_index(['商品名称'],inplace=True)
dicts="上海出库销量":"北上广",
       "北京出库销量":"北上广",
       "广州出库销量":"北上广",
       "成都出库销量":"成都",
       "武汉出库销量":"武汉",
       "西安出库销量":"西安"
df5=df.groupby(dicts,axis=1).sum()
print(df5)

• 通过series对象重新标签

#通过Series对象分组统计北上广的销量
data="上海出库销量":"北上广",
       "北京出库销量":"北上广",
       "广州出库销量":"北上广",
       "成都出库销量":"成都",
       "武汉出库销量":"武汉",
       "西安出库销量":"西安"
s1=pd.Series(data)
print(s1)
df6=df.groupby(s1,axis=1).sum()
print(df6)

series的结果：

分组series对象的结果：

结束！