目錄

所見 1 ：日常用法

所見 2 ：解決groupby.sum() 后層級索引levels上移的問題

所見 3 ：解決groupby.apply() 后層級索引levels上移的問題

所見 4 ：groupby函數的分組結果保存成DataFrame

---

groupby的函數定義：

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)

• by?:接收映射、函數、標簽或標簽列表；用于確定聚合的組。
• axis?: 接收 0/1；用于表示沿行(0)或列(1)分割。
• level?: 接收int、級別名稱或序列，默認為None；如果軸是一個多索引(層次化)，則按一個或多個特定級別分組。
• as_index：接收布爾值，默認Ture；Ture則返回以組標簽為索引的對象，False則不以組標簽為索引。

其他的參數解釋就看文檔吧：鏈接：pandas.DataFrame.groupby 介紹文檔

?

所見 1 ：日常用法

import pandas as pddf = pd.DataFrame({'Gender' : ['男', '女', '男', '男', '男', '男', '女', '女', '女'],'name' : ['周杰倫', '蔡依林', '林俊杰', '周杰倫', '林俊杰', '周杰倫', '田馥甄', '蔡依林', '田馥甄'],'income' : [4.5, 2.9, 3.8, 3.7, 4.0, 4.1, 1.9, 4.1, 3.2],'expenditure' : [1.5, 1.9, 2.8, 1.7, 4.1, 2.5, 1.1, 3.4, 1.2]}) #根據其中一列分組 df_expenditure_mean = df.groupby(['Gender']).mean()#根據其中兩列分組 df_expenditure_mean = df.groupby(['Gender', 'name']).mean()#只對其中一列求均值 df_expenditure_mean = df.groupby(['Gender', 'name'])['income'].mean()

輸出示例：

?

所見 2 ：解決groupby.sum() 后層級索引levels上移的問題

上圖中的輸出二，雖然是 DataFrame 的格式，但是若需要與其他表匹配的時候，這個格式就有些麻煩了。匹配數據時，我們需要的數據格式是：列名都在第一行，數據行中也不能有?Gender 列這樣的合并單元格。因此，我們需要做一些調整，將 as_index 改為?False ，默認是?Ture 。

#不以組標簽為索引，通過 as_index 來實現 df_expenditure_mean = df.groupby(['Gender', 'name'], as_index=False).mean()

輸出：

所見 3 ：解決groupby.apply() 后層級索引levels上移的問題

在所見 2 中我們知道，使用參數 as_index 就可使 groupby 的結果不以組標簽為索引，但是后來在使用?groupby.apply() 時發(fā)現，as_index 參數失去了效果。如下例所示：

# 使用了 as_index=False，但是從輸出結果中可見沒起到作用 df_apply = df.groupby(['Gender', 'name'], as_index=False).apply(lambda x: sum(x['income']-x['expenditure'])/sum(x['income'])) df_apply = pd.DataFrame(df_apply,columns=['存錢占比'])#轉化成dataframe格式

輸出：

解決辦法：?加一句df_apply_index = df_apply.reset_index()

# 加一句df_apply_index = df_apply.reset_index() df_apply = df.groupby(['Gender', 'name'], as_index=False).apply(lambda x: sum(x['income']-x['expenditure'])/sum(x['income'])) df_apply = pd.DataFrame(df_apply,columns=['存錢占比'])#轉化成dataframe格式 df_apply_index = df_apply.reset_index()

輸出：

?

所見 4 ：groupby函數的分組結果保存成DataFrame

所見 1 中的輸出三，明顯是? Series ,我們需要將其轉化為 DataFrame 格式的數據。

#只對其中一列求均值，并轉化為 DataFrame df_expenditure_mean = df.groupby(['Gender', 'name'], as_index=False)['income'].mean() df_expenditure_mean = pd.DataFrame(df_expenditure_mean)#轉化成dataframe格式 df_expenditure_mean.rename(columns={'income':'收入均值'}, inplace = True)

輸出：

?

?

下班啦，明天繼續(xù)！

?

?

總結

以上是生活随笔為你收集整理的分组统计 - DataFrame.groupby() 所见的各种用法 - Python代码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。