Pandas之groupby分组

Posted 2021-06-14 康威特冶楼

释义

groupby用来分组，调用groupby 之后返回pandas.core.groupby.generic.DataFrameGroupBy，其实就是由一个个格式为(key, 分组后的dataframe)的元组，组成的列表：

[(key1, dataframe1), (key2, dataframe2), ...]

案例

• 初始化数据，此时这个班级有2个同名的人都叫Jack

df = pd.DataFrame({\'stu_name\': [\'Tom\', \'Tony\', \'Jack\', \'Jack\'], \'stu_age\': [16, 16, 15, 21]})
print(df)

  stu_name  stu_age
0      Tom       16
1     Tony       16
2     Jack       15
3     Jack       21

• 根据stu_name 进行分组，根据上面的释义，则可以遍历列表中的每个元组

groups = df.groupby([\'stu_name\'])
for v in groups:
    print(v)

(\'Jack\',   stu_name  stu_age
2     Jack       15
3     Jack       21)
(\'Tom\',   stu_name  stu_age
0      Tom       16)
(\'Tony\',   stu_name  stu_age
1     Tony       16)

显而易见，每个元素v中，v[0]是groupby的列名，v[1]就是该分组下的dataframe

groupby之后的聚合操作

groupby之后更常见的是使用各种聚合函数，如

• min：最小值
• max：最大值
• sum：总和
• mean：平均值
• median：中位数
• count：计数
• var：方差
• std：标准差

案例

• 初始化数据

df = pd.DataFrame({\'stu_name\': [\'Tom\', \'Tony\', \'Jack\', \'Jack\'], \'stu_age\': [16, 16, 15, 21], \'stu_score\': [99, 1, 1, 0]})

  stu_name  stu_age  stu_score
0      Tom       16         99
1     Tony       16          1
2     Jack       15          1
3     Jack       21          0

• 以名字分组，并对分组后的年龄、成绩求和（例子不具备显示意义，仅做演示）

sum_df = df.groupby([\'stu_name\']).sum()
print(sum_df)

          stu_age  stu_score
stu_name                    
Jack           36          1
Tom            16         99
Tony           16          1

groupby之后直接调用聚合函数，会对所有的列进行聚合操作，但有些时候需要在分组后对多个列进行不同的聚合操作，比如groupby之后，年龄求和，分数求平均值，这时候就需要使用agg函数

groupby之后使用agg函数

• 沿用上面的原始数据，以名字分组，分组后年龄求和，成绩求平均值

agg_df = df.groupby([\'stu_name\']).agg({\'stu_age\': \'sum\', \'stu_score\': \'mean\'})
print(agg_df)

          stu_age  stu_score
stu_name                    
Jack           36        0.5
Tom            16       99.0
Tony           16        1.0

可以看出如果groupby后要对分组内所有的列都进行一样的操作，那直接调用相关的聚合函数即可，如果是分组后不同的列进行不同的聚合操作，则可以直接采用agg函数。