这篇教程Python写得很实用，希望能帮到您。
一、分组原理 核心： 1、不论分组键是数组、列表、字典、Series、函数，只要其与待分组变量的轴长度一致都可以传入groupby进行分组。 2、默认axis=0按行分组，可指定axis=1对列分组。 groupby()语法格式 DataFrame.groupby(by=None, axis=0, level=None, as_index=True, group_keys=True, squeeze=False, observed=False, **kwargs) groupby原理 groupby就是按XX分组，比如将一个数据集按A进行分组，效果如下 
使用groupby实现功能 import numpy as npimport pandas as pd data = pd.DataFrame({ 'name': ['Tom', 'Kaggle', 'Litter', 'Sam', 'Sam', 'Sam'], 'race': ['B', 'C', 'D', 'E', 'B', 'C'], 'age': [37.0, 61.0, 56.0, 87.0, 58.0, 34.0], 'signs_of_mental_illness': [True, True, False, False, False, False]}) data.groupby('race')
返回结果如上 得到一个叫DataFrameGroupBy的东西,pandas不能直接显示出来 可以调用list显示出来 
groupby()的配合函数 函数 适用场景备注.mean()均值.count()计数.min()最小值.mean().unstack()求均值，聚合表的层次索引不堆叠.size()计算分组大小GroupBy的size方法,将返回一个含有分组大小的Series.apply().agg() 这里演示.mean()和.count() # mean()data.groupby('name')['age'].mean()# count()data.groupby('name')['age'].count()data.groupby('age').count()
也可以根据单键多列进行聚合 # 单键多列聚合data.groupby('name')[['race','age',]].count()
.agg操作 可以取多个函数进行选择 有时候我们既需要平均值，有需要计数(也可是取一个) agg为列表 print(data.groupby('name')['age'].agg(['mean'])) print(data.groupby('name')['age'].agg(['mean','count']))
也可以传入字典，对组内不同列采取不同的操作 print(data.groupby('race').agg({'age': np.median, 'signs_of_mental_illness': np.mean}))
.apply() 可以使用我们自己所创建的函数 print('apply之前')grouped = data.groupby('name')for name, group in grouped: print(name) print(group)print('/n')print('apply之后')print(data.groupby('name').apply(lambda x: x.head(2)))
简单操作基本介绍完成 有时候需要将聚合的另一列放到一起 并且取消键的重复值 这个时候可以这样做 
上面是构建的数据，需要对订购时间进行处理，这里我们是将月份+天数/30，然后对ID列进行去重,并将后面Time列计算的结果放到一起 import numpy as npimport pandas as pd data = pd.read_excel('订购时间预测2.xlsx')def cut_m_d(x): return round(x.month + x.day / 30, 2) data['m_d'] = data['Time'].apply(cut_m_d)grouped = data.groupby('ID')# 这一步是去重(ID),不去重会出现错误result = grouped['m_d'].unique()result2 = result.reset_index()print(result2)
总结 到此这篇关于Python groupby函数详解的文章就介绍到这了,更多相关groupby函数详解内容请搜索wanshiok.com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wanshiok.com！
Python实现解析参数的三种方法详解
一文教你将Visual Studio Code变成Python开发神器 |
