前言

在使用pandas的時候，有些場景需要對數(shù)據內部進行分組處理，如一組全校學生成績的數(shù)據，我們想通過班級進行分組，或者再對班級分組后的性別進行分組來進行分析，這時通過pandas下的groupby()函數(shù)就可以解決。在使用pandas進行數(shù)據分析時，groupby()函數(shù)將會是一個數(shù)據分析輔助的利器。

groupby的作用可以參考 超好用的 pandas 之 groupby 中作者的插圖進行直觀的理解：

準備

讀入的數(shù)據是一段學生信息的數(shù)據，下面將以這個數(shù)據為例進行整理grouby()函數(shù)的使用：

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

df = pd.read_csv('./data.csv')

print(df)

Name Gender Age Score

0 Alen Male 18 80

1 Bob Male 19 90

2 Cidy Female 18 93

3 Daniel Male 20 87

4 Ellen Female 17 96

5 Frankie Male 21 100

6 Gate Male 20 88

7 Hebe Female 22 98

基本操作

在進行對groupby函數(shù)進行學習之前，首先需要明確的是，通過對DataFrame對象調用groupby()函數(shù)返回的結果是一個DataFrameGroupBy對象，而不是一個DataFrame或者Series對象，所以，它們中的一些方法或者函數(shù)是無法直接調用的，需要按照GroupBy對象中具有的函數(shù)和方法進行調用。

grouped = df.groupby('Gender')

print(type(grouped))

print(grouped)

分組時，不僅僅可以指定一個列名，也可以指定多個列名：

grouped = df.groupby('Gender')

grouped_muti = df.groupby(['Gender', 'Age'])

print(grouped.size())

print(grouped_muti.size())

Gender

Female 3

Male 5

dtype: int64

Gender Age

Female 17 1

18 1

22 1

Male 18 1

19 1

20 2

21 1

dtype: int64

指定多個列名個單個列名后的區(qū)別在于，分組的主鍵或者索引(indice)將一個是單個主鍵，另一個則是一個元組的形式：

print(grouped.get_group('Female'))

print(grouped_muti.get_group(('Female', 17)))

Name Gender Age Score

2 Cidy Female 18 93

4 Ellen Female 17 96

7 Hebe Female 22 98

Name Gender Age Score

4 Ellen Female 17 96

通過調用get_group()函數(shù)可以返回一個按照分組得到的DataFrame對象，所以接下來的使用就可以按照·DataFrame·對象來使用。如果想讓這個DataFrame對象的索引重新定義可以通過：

df = grouped.get_group('Female').reset_index()

print(df)

index Name Gender Age Score

0 2 Cidy Female 18 93

1 4 Ellen Female 17 96

2 7 Hebe Female 22 98

這里可以總結一下，由于通過groupby()函數(shù)分組得到的是一個DataFrameGroupBy對象，而通過對這個對象調用get_group()，返回的則是一個·DataFrame·對象，所以可以將DataFrameGroupBy對象理解為是多個DataFrame組成的。

而沒有調用get_group()函數(shù)之前，此時的數(shù)據結構任然是DataFrameGroupBy，此時進行對DataFrameGroupBy按照列名進行索引，同理就可以得到SeriesGroupBy對象，取多個列名，則得到的任然是DataFrameGroupBy對象，這里可以類比DataFrame和Series的關系。

按照上面的思路理解后，再調用get_group()函數(shù)后得到的DataFrame對象按照列名進行索引實際上就是得到了Series的對象，下面的操作就可以按照Series對象中的函數(shù)行了。

在沒有進行調用get_group()，也就是沒有取出特定某一組數(shù)據之前，此時的數(shù)據結構任然是DataFrameGroupBy，其中也有很多函數(shù)和方法可以調用，如max()、count()、std()等，返回的結果是一個DataFrame對象。

print(grouped.count())

print(grouped.max()[['Age', 'Score']])

print(grouped.mean()[['Age', 'Score']])

Name Age Score

Gender

Female 3 3 3

Male 5 5 5

Age Score

Gender

Female 22 98

Male 21 100

Age Score

Gender

Female 19.0 95.666667

Male 19.6 89.000000

如果其中的函數(shù)無法滿足你的需求，你也可以選擇使用聚合函數(shù)aggregate，傳遞numpy或者自定義的函數(shù)，前提是返回一個聚合值。

def getSum(data):

total = 0

for d in data:

total+=d

return total

print(grouped.aggregate(np.median))

print(grouped.aggregate({'Age':np.median, 'Score':np.sum}))

print(grouped.aggregate({'Age':getSum}))

aggregate函數(shù)不同于apply，前者是對所有的數(shù)值進行一個聚合的操作，而后者則是對每個數(shù)值進行單獨的一個操作：

def addOne(data):

return data + 1

df['Age'] = df['Age'].apply(addOne)

df['Age'] = df['Age'].apply(int)

可視化操作

對組內的數(shù)據繪制概率密度分布：

grouped['Age'].plot(kind='kde', legend=True)

plt.show()

由于grouped['Age']是一個SeriesGroupby對象, 顧名思義, 就是每一個組都有一個Series. 所以直接plot相當于遍歷了每一個組內的Age數(shù)據。

REF

到此這篇關于pandas之分組groupby()的使用整理與總結的文章就介紹到這了,更多相關pandas groupby()分組內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

總結

以上是生活随笔為你收集整理的pandas python groupby_pandas之分组groupby()的使用整理与总结的全部內容，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。