这篇教程python pandas分组聚合详细写得很实用，希望能帮到您。
python pandas分组聚合
1、环境 - python3.9
- win10 64bit
- pandas==1.2.1
groupby方法是pandas中的分组方法，对数据框采用groupby方法后，返回的是DataFrameGroupBy对象，一般分组操作后会进行聚合操作。
2、分组import pandas as pdimport numpy as nppd.set_option('display.notebook_repr_html',False)# 数据准备df = pd.DataFrame({'A': [1, 1, 2, 2],'B': [1, 2, 3, 4],'C':[6,8,1,9]})df A B C0 1 1 61 1 2 82 2 3 13 2 4 9 对数据框按A列进行分组，产生分组数据框。分组数据框是可迭代对象，可以进行循环遍历，可以看出在循环中，每个元素的类型是元组，
元组的第一个元素是分组值，第二个元素是对应的分组数据框。 # 分组g_df=df.groupby('A')# 分组数据框类type(g_df)pandas.core.groupby.generic.DataFrameGroupBy # 循环分组数据for i in g_df: print(i,type(i),end='/n/n') (1, A B C0 1 1 61 1 2 8) <class 'tuple'> (2, A B C2 2 3 13 2 4 9) <class 'tuple'> 可以对分组后的数据框直接使用聚合方法agg，对分组数据框的每一列计算统计函数值。 # 分组求和df.groupby('A').agg('sum') B CA 1 3 142 7 10
3、序列分组可以根据数据框外的序列数据对数据框进行分组，需要注意序列长度需要与数据框行数相同。 # 定义分组列表label=['a','a','b','b']# 分组求和df.groupby(label).agg('sum') A B Ca 2 3 14b 4 7 10
4、多列分组可以根据数据框的多列对数据框进行分组。 # 数据准备df = pd.DataFrame({'A': [1, 1, 2, 2],'B': [3, 4, 3, 3],'C':[6,8,1,9]})df A B C0 1 3 61 1 4 82 2 3 13 2 3 9 根据A,B列进行分组，然后求和。 # 根据多列分组求和df.groupby(['A','B']).agg('sum')
5、索引分组可以根据索引对数据框进行分组，需要设置level参数。 # 数据准备df = pd.DataFrame({'A': [1, 1, 2, 2],'B': [3, 4, 3, 3],'C':[6,8,1,9]},index=['a','a','b','b'])df A B Ca 1 3 6a 1 4 8b 2 3 1b 2 3 9 数据框只有一层索引，设置参数level=0。 # 根据索引分组求和df.groupby(level=0).agg('sum') A B Ca 2 7 14b 4 6 10当数据框索引有多层时，也可以根据需求设置level参数，完成分组聚合。 # 数据准备mi=pd.MultiIndex.from_arrays([[1,1,2,2],[3,4,3,3]],names=['id1','id2'])df=pd.DataFrame(dict(value=[4,7,2,9]),index=mi)df valueid1 id2 1 3 4 4 72 3 2 3 9 设置level参数，如需要根据第一层索引，即id1进行分组，可以设置level=0或level='id1'完成分组聚合。 # 根据第一层索引分组求和df.groupby(level=0).agg('sum')# 根据第一层索引分组求和df.groupby(level='id1').agg('sum')
7、聚合分组后一般会进行聚合操作，用agg方法进行聚合。 # 数据准备df = pd.DataFrame({'A': [1, 1, 2, 2],'B': [3, 4, 3, 3],'C':[6,8,1,9],'D':[2,5,4,8]})df A B C D0 1 3 6 21 1 4 8 52 2 3 1 43 2 3 9 8
8、单函数对多列对分组后数据框使用单个函数进行聚合，单个聚合函数会对每列进行计算，然后合并返回。聚合函数以字符串的形式传入。 # 对所有列分组求和df.groupby('A').agg('sum')可以对分组后的数据指定列进行分组聚合。需要注意子列需要用[]包裹。 # 对指定列分组求和df.groupby('A')[['B','C']].agg('sum')聚合函数也可以传入自定义的匿名函数。 # 匿名函数分组求和df.groupby('A').agg(lambda x:sum(x))
9、多函数对多列聚合函数可以是多个函数。聚合时，多个聚合函数会对每列进行计算，然后合并返回。聚合函数以列表的形式传入。 # 全部列多函数聚合df.groupby('A').agg(['sum','mean']) B C D sum mean sum mean sum meanA 1 7 3.5 14 7 7 3.52 6 3.0 10 5 12 6.0 聚合返回后的数据列名有两层索引，第一层是聚合的列名，第二层是使用的聚合函数名。如果需要对返回的聚合函数名重命名，
需要在传参时，传入元组，第一个元素为聚合函数名，第二个元素为聚合函数。 # 聚合函数重命名df.groupby('A').agg([('SUM','sum'),('MEAN','mean')]) B C D SUM MEAN SUM MEAN SUM MEANA 1 7 3.5 14 7 7 3.52 6 3.0 10 5 12 6.0 同样，也可以传入匿名函数。 # 匿名函数并重命名df.groupby('A').agg([('SUM','sum'),('MAX',lambda x:max(x))]) B C D SUM MAX SUM MAX SUM MAXA 1 7 4 14 8 7 52 6 3 10 9 12 8 如果需要对不同的列进行不同的聚合计算，则需要传入字典的形式。 # 不同列不同聚合函数df.groupby('A').agg({'B':['sum','mean'],'C':'mean'}) B C sum mean meanA 1 7 3.5 72 6 3.0 5 可以重命名聚合后的列名，注意只能对一列传入一个聚合函数时有效。 # 聚合后重命名列名df.groupby('A').agg(B_sum=('B','sum'),C_mean=('C','mean'))到此这篇关于python pandas分组聚合详细的文章就介绍到这了,更多相关python pandas分组聚合内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
使用python半分钟轻松完成证件照换底色
OpenCV半小时掌握基本操作之像素加减乘除&逻辑运算 |
