Hadley Wickham（許多熱門R語言包的作者）創造了一個用于表示分組運算的術語"split-apply-combine"（拆分-應用-合并），這個詞很好的描述了整個過程。分組運算的第一個階段，pandas對象（無論是Series、DataFrame還是其他的）中的數據會根據你所提供的一個或多個鍵被拆分（split）為多組。拆分操作是在對象的特定軸上執行的。例如，DataFrame可以在其行（axis=0）或列（axis=1）上進行分組。然后，將一個函數應用（apply）到各個分組并產生一個新值。最后，所有這些函數的執行結果會被合并（combine）到最終的結果對象中去。

PART I. groupby方法PART II. GroupBy對象i） GroupBy對象ii） 對/GroupBy對象進行迭代和轉化iii）GroupBy對象的常用方法PART II. groupby方法的分組鍵i） 列名作為分組鍵df.groupby('key1').mean()df.groupby(['key1','key2']).mean()ii） 列表作為分組鍵df.groupby(l)['size'].count()iii） 數組作為分組鍵df.groupby([states,year])['data1'].mean()iv） 字典作為分組鍵df.groupby(mapping, axis=1).sum()v） Series作為分組鍵people.groupby(map_series, axis=1).count()df.groupby([df['key1'],df['key2']]).mean()vi） 索引作為分組鍵df.groupby(level='cty',axis=1).count()df.groupby(level=0,axis=1).count()vii） dtype作為分組鍵df.groupby(df.dtypes,axis=1).size()viii）函數作為分組鍵people.groupby(len).sum()df.groupby(lambda x: x.day)['volume'].sum()ix） 函數跟數組、列表、字典、Series混合使用作為分組鍵people.groupby([len,key_list]).sum()

PART I . groupby方法

groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs)by : mapping, function, label, or list of labelsUsed to determine the groups for the groupby.If ``by`` is a function, it's called on each value of the object'sindex. If a dict or Series is passed, the Series or dict VALUESwill be used to determine the groups (the Series' values are firstaligned; see ``.align()`` method). If an ndarray is passed, thevalues are used as-is determine the groups. A label or list oflabels may be passed to group by the columns in ``self``. Noticethat a tuple is interpreted a (single) key.axis : {0 or 'index', 1 or 'columns'}, default 0Split along rows (0) or columns (1).level : int, level name, or sequence of such, default NoneIf the axis is a MultiIndex (hierarchical), group by a particularlevel or levels.as_index : bool, default TrueFor aggregated output, return object with group labels as theindex. Only relevant for DataFrame input. as_index=False iseffectively "SQL-style" grouped output.sort : bool, default TrueSort group keys. Get better performance by turning this off.Note this does not influence the order of observations within eachgroup. Groupby preserves the order of rows within each group.group_keys : bool, default TrueWhen calling apply, add group keys to index to identify pieces.squeeze : bool, default FalseReduce the dimensionality of the return type if possible,otherwise return a consistent type.observed : bool, default FalseThis only applies if any of the groupers are Categoricals.If True: only show observed values for categorical groupers.If False: show all values for categorical groupers.重點參數:by axis level as_index

PART II. GroupBy對象

i）GroupBy對象

假設想要按key1進行分組，并計算data1列的平均值。實現該功能的方式有很多，而這里要用的是：訪問data1，并根據key1調用groupby：

變量grouped是一個SeriesGroupBy對象, 變量grouped2是一個DataFrameGroupBy對象。它們實際上還沒有進行任何計算，只是含有一些有關分組鍵'key1'的中間數據。換言之，該對象已經有了接下來對各分組執行運算所需的信息。

ii）對/GroupBy對象進行迭代和轉化

GroupBy對象支持迭代，可以產生一組二元元組（由分組名和數據塊組成）

分組鍵為單列

分組鍵為多列

通過列表生成式或list()方法可以把groupby對象，轉換為分組名+數據塊組成的元組的列表，其實我們還可以把groupby對象轉換為字典

iii）GroupBy對象的常用方法

GroupBy對象的常用方法除了常見的sum、mean、count等優化好的聚合函數，還有返回不同分組大小的Series的簡便方法size()，除此之外還可以對groupby對象傳入自定義的函數（agg/apply）。這部分的內容將放在下面一篇詳細展開。

例如，我們可以調用GroupBy的mean和count方法來計算分組平均值和分組計數：

groupby對象的size方法

groupby對象的size方法可以返回一個含有分組大小的Series

對groupby對象調用count不行嗎？倒也不是不行，就是格式不太友好。

所以還是size方法好

PART III. groupby方法的分組鍵

分組鍵的形式：

• 列表或數組，其長度與待分組的軸一樣
• 表示DataFrame某個列名的值
• 字典或Series，給出待分組軸上的值與分組名之間的對應關系
• 函數，用于處理軸索引或索引中的各個標簽

即 列表/數組、列名、字典、Series、函數

注意，后面三種都只是快捷方式，最終目的都是產生一組用于拆分對象的值，而且任何東西最終都會被轉換為數組。

i）列名作為分組鍵

可以用【一個列名字符串或一個列名字符串的列表】選取部分列進行聚合

對于由DataFrame產生的GroupBy對象，如果用一個列名字符串或一個列名字符串的列表對其進行索引，就能實現選取部分列進行聚合的目的。尤其對于大數據集，很可能只需要對部分列進行聚合。

df.groupby('key1')['data1'] 等價于 df['data1'].groupby(df['key1']) df.groupby('key1')[['data2']] 等價于 df[['data2']].groupby(df['key1')]

在執行df.groupby('key1').mean()時，結果中沒有key2列。這是因為df['key2']不是數值數據（俗稱“麻煩列”），所以被從結果中排除了。默認情況下，所有數值列都會被聚合，雖然有時候可能會被過濾為一個子集。

聚合單列并以DataFrame形式得到結果

聚合單列并以Series形式得到結果

ii）列表作為分組鍵

iii）數組作為分組鍵

iv）字典作為分組鍵

列的分組關系如下：

只需把這個包含分組關系的字典傳給groupby即可：

v）Series作為分組鍵

Series也有字典同樣的功能，它可以被看作一個固定大小的映射。對于上面那個例子，如果用Series作為分組鍵，則pandas會檢查Series以確保其索引跟分組軸是對齊的。

多個Series作為分組鍵

.mean()的調用過程先略去不講。這里最重要的是，數據（Series）根據分組鍵進行了聚合，產生了一個新的Series，其索引為唯一值。之所以結果中索引的名稱為key1、key2，是因為原始DataFrame的列df['key1']、df['key2']就叫這個名字。

通過對兩個鍵進行分組，得到的Series具有一個層次化索引（由唯一的鍵值對組成），reshape一下：

vi）索引作為分組鍵

向level關鍵字傳入級別編號或名稱，根據索引級別分組

層次化索引最方便的地方在于它能夠根據索引級別進行聚合。要實現該目的，通過level關鍵字傳入級別編號或名稱即可：

vii）dtype作為分組鍵

在axis=1上根據dtype對列進行分組

viii）函數作為分組鍵

相較于字典或Series，Python函數在定義分組映射關系時可以更有創意且更為抽象。任何被當作分組鍵的函數都會在各個索引值上被調用一次，其返回值就會被用作分組名稱。( If ``by`` is a function, it's called on each value of the object's index.)

假設我們現在想根據人名的長度進行分組：

函數作為分組鍵很靈活，下面是12月1日1分鐘K線的數據，求這一天的總成交量，除了用df['volume'].sum()，還可以用將lambda函數作為分組鍵進行聚合的方法實現

>>>path = r"C:UsersbyqpzDesktop現貨策略現貨高頻新策略12.01.csv" >>>df = pd.read_csv(path, engine='python',encoding='utf_8_sig',index_col='time',parse_dates=True) >>>df['volume'].sum() 119939049.16099769 >>>df.groupby(lambda x: x.day)['volume'].sum() 1 1.199390e+08 Name: volume, dtype: float64

ix）函數跟數組、列表、字典、Series混合使用作為分組鍵

混合使用不是問題，因為任何東西最終都會被轉換為數組：

總結

以上是生活随笔為你收集整理的collector list 多个分组_【S01E07】groupby方法、GroupBy对象、groupby方法的分组键的全部內容，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。