pandas数据分组groupby()和统计函数agg()的使用

转载 作者：qq735679552 更新时间：2022-09-29 22:32:09 25 4

# 一个Series其实就是一条数据，Series方法的第一个参数是data，第二个参数是index(索引)，如果没有传值会使用默认值（0-N）# index参数是我们自定义的索引值，注意：参数值的个数一定要相同。# 在创建Series时数据并不一定要是列表，也可以将一个字典传进去。from pandas import Series, DataFrame# 使用字典创建index_list = ["001", "002", "003", "004", "005", "006", "007", "008", "009", "010"]name_list = ["李白", "王昭君", "诸葛亮", "狄仁杰", "孙尚香", "妲己", "周瑜", "张飞", "王昭君", "大乔"]age_list = [25, 28, 27, 25, 30, 29, 25, 32, 28, 26]gender_list = ["F", "M", "F", "F", "M", "M", "F", "F", "M", "M"]salary_list = ["10k", "12.5k", "20k", "14k", "12k", "17k", "18k", "21k", "22k", "21.5k"]marital_list = ["NO", "NO", "YES", "YES", "NO", "NO", "NO", "YES", "NO", "YES"]dic = { "姓名": Series(data=name_list, index=index_list), "年龄": Series(data=age_list, index=index_list), "薪资": Series(data=salary_list, index=index_list), "性别": Series(data=gender_list, index=index_list), "婚姻状况": Series(data=marital_list, index=index_list)}df = DataFrame(dic)# 写入csv，path_or_buf为写入文本文件df.to_csv(path_or_buf="./People.csv", encoding="utf_8_sig")print("end")

import pandas as pddf = pd.read_csv("./People.csv")df.head()

# 根据 "性别列" 进行分组, 得到的是一个分组后的对象groups = df.groupby("性别")print(groups)

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002953DAEBC88>

print(groups.size())

性别F 5M 5dtype: int64

group = df["年龄"].groupby(df["性别"])# 查看分组print(group.groups)# 根据分组后的名字选择分组print(group.get_group("F"))

{"F": Int64Index([0, 2, 3, 6, 7], dtype="int64"), "M": Int64Index([1, 4, 5, 8, 9], dtype="int64")}0 252 273 256 257 32Name: 年龄, dtype: int64

import pandas as pddf = pd.read_csv("./People.csv")groups = df.groupby("性别")# print(groups)for group_name,group_df in groups: print("分组的名称:", group_name, "分组的数据", group_df.shape) print("-"*10)

import pandas as pddf = pd.read_csv("./People.csv")groups = df.groupby("性别")for group_name,group_df in groups: f_mean = group_df["年龄"].mean() f_max = group_df["年龄"].max() f_min = group_df["年龄"].min() print("{}组的最大年龄是{}，最小年龄是{}，平均年龄是{}".format(group_name,f_max,f_min,f_mean))

df = pd.read_csv("./People.csv")group=df.groupby(["性别", "婚姻状况"])df1 = group.size()print(df1)

性别 婚姻状况F  NO   2  YES   3M  NO   4  YES   1dtype: int64

size = df1["F"][ "NO"]print(size)

2

import pandas as pddf = pd.read_csv("./People.csv")groups = df.groupby("性别")for group_name,group_df in groups:  f_se = group_df["年龄"].agg(["max","min","mean"])  print("{}组的最大年龄是{}，最小年龄是{}，平均年龄是{}".format(group_name,f_se[0],f_se[1],f_se[2]))

# 自定义的统计函数def my_peak_range(df):  """  返回最大值与最小之间的范围  """  return df.max() - df.min()# 使用for group_name,group_df in groups:  f_se = group_df["年龄"].agg(["max","min","mean",my_peak_range])  print(f_se[0],f_se[1],f_se[3])

32.0 25.0 7.030.0 26.0 4.0

import pandas as pddf = pd.read_csv("./People.csv")groups = df.groupby("性别")gende=groups.sum().sort_values(by="年龄",ascending=False).index.to_list()[0]"""这行代码, 先按性别进行分组, 然后吧每组中的数据求和得到总的年龄, 在按照年龄排序再取出index,最后使用to_list()转换为列表,取出第一个数据"""print(gende)

25 4 0

• java - 如何链接多个 RxJava 的 groupBy() 方法，例如 groupBy().groupBy()

  给定输入: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 将数字按奇数或偶数分组，然后按小于或大于 5 分组。 预期输出: [[1, 3, 5], [2, 4], [6, 8, 10

• python - 当 as_index=False 时，groupby.first、groupby.nth、groupby.head 之间有什么不同

  编辑: @coldspeed、@wen-ben、@ALollz 指出了我在字符串 np.nan 中犯的新手错误。答案很好，所以我不删除这个问题来保留那些答案。 原文: 我读过这个问题/答案 What'

• python - Pandas 数据帧 : How to groupby on a groupby?

  我试图概括我提出的问题 here . mlb 数据框看起来像 Player Position Salary Year 0 Mike Wit

• python - 是否可以对 groupby 的结果进行 groupby？

  我认为我不需要共享整个数据框，但基本上，这是有问题的代码行(当然，已经导入了 pandas) divstack = df[df['Competitor']=='Emma Slabach'].group

• python - 组内组的长度(在 groupby 之后应用 groupby)

  我面临下一个问题:我有组(按 ID)，对于所有这些组，我需要应用以下代码:如果组内位置之间的距离在 3 米以内，则需要将它们添加在一起，因此将创建一个新组(代码如何创建我在下面显示的组)。现在，我想要

• python - pandas 如何在 groupby 内进行 groupby

  我有以下数据: ,dateTime,magnitude,occurrence,dateTime_s 1,2017-11-20 08:00:09.052260,12861,1,2017-11-20 08

• python - 从另一个 GroupBy 对象创建一个 GroupBy 对象

  我按感兴趣的列对 df 进行分组: grouped = df.groupby('columnA') 现在我只想保留至少有 5 名成员的组: grouped.filter(lambda x: len(x

• python - 绘制 groupby pandas 的 groupby

  数据是一个时间序列，许多成员 ID 与许多类别相关联: data_df = pd.DataFrame({'Date': ['2018-09-14 00:00:22',

• mysql - 使用 groupby 子句从多个表检索数据显示 "not a groupby expression"

  选择 u.UM_TOKEN_NO 、u.UM_FULLNAME、u.SECTOR、u.department_name、t.TS_PROJECT_CODE、sum(t.TS_TOTAL_HRS) 来自

• mysql - SQL 在另一个 groupby 之上做一个 groupby

  我有这两个表: +---------------+-------------+---------------------+----------+---------+ | items_ordered |

• python - 串联 groupby 对象上的 Pandas groupby

  我正在使用 groupby 和 sum 快速汇总两个数据集 一个包含: sequence shares 1 100 2 200 3 50 1 2

• python - 为什么将 groupby 转换为列表时 groupby 分组会发生变化？

  这个问题在这里已经有了答案: list around groupby results in empty groups (3 个答案) itertools groupby object not out

• python - 如何将前提条件应用于 GroupBy 或如何忽略 GroupBy 中具有一条记录的组

  我有一组行，我想按标识符的值进行分组 - 存在于每一行中 - 然后对将作为结果的组进行进一步的隔离处理。 我的数据框是这样的: In [50]: df Out[50]: groupkey b

• python - 如何根据其他/上一个 groupby 的结果运行 groupby？

  假设您要在全局范围内销售产品，并且希望在某个主要城市的某个地方设立销售办事处。您的决定将完全基于销售数字。 这将是您的(简化的)销售数据: df={ 'Product':'Chair', 'Count

• c# - groupby 内部 groupby 和 All() 性能

  我有一个将数据分组两次的查询: var query = (from a in Context.SetA() from b in Context.SetB().Where(x => x.aId == a

• python - 具有重复索引的数据帧上的 groupby 或平均值的 groupby 的平均值

  我有一个这种格式的数据框: value identifier 2007-01-01 0.087085 55 2007-01-01 0.703249

• python - dict(groupby) 和 groupby 之间的区别

  这个问题在这里已经有了答案: python groupby behaviour? (3 个答案) 关闭 4 年前。 我有一个这样的列表 [u'201003', u'200403', u'200803

• scala - Groupby 类似于 Python 的 itertools.groupby

  在 Python 中，我可以使用 itertools.groupby 将具有相同键的连续元素分组。 : >>> items = [(1, 2), (1, 5), (1, 3), (2, 9), (3,

• c# - EFCore 3 GroupBy+ToDictionary 引发不支持客户端 GroupBy

  无法翻译以下 GroupBy 查询并将引发错误:不支持客户端 GroupBy IEnumerable ids = new List { 1, 2, 3 }; var q = db.Comments.W

• pandas - 从 Pandas groupBy 到 PySpark groupBy

  考虑一个 Spark DataFrame，其中只有很少的列。目标是对其执行 groupBy 操作，而不将其转换为 Pandas DataFrame。等效的 Pandas groupBy 代码如下所示: