Pandas詳解十五之利用GroupBy技術進行分組

約定：

import pandas as pd
import numpy as np

GroupBy分組

對數據進行分組並對每個分組進行運算是數據分析中很重要的環節。該博客講解了利用pandas的Groupby技術如何進行分組。下圖簡單介紹了分組的過程：

• 創建DataFrame對象

df1=pd.DataFrame({'Data1':np.random.randint(0,10,5),'Data2':np.random.randint(10,20,5),'key1':list('aabba'),'key2':list('xyyxy')})
df1

代碼結果：

	Data1	Data2	key1	key2
0	5	15	a	x
1	2	15	a	y
2	6	17	b	y
3	9	16	b	x
4	9	13	a	y

• 分組特性和查看分組後的大小

.groupby()返回的是pandas的groupby對象。gr1並未進行任何計算，但它包括了接下來計算所需的數據。

gr1=df1['Data1'].groupby(df1['key1'])
print(gr1)
gr1.size()

代碼結果：

<pandas.core.groupby.SeriesGroupBy object at 0x00000220D1A1EC88>
key1
a    3
b    2
Name: Data1, dtype: int64

• 根據單列來對單列分組

df1['Data1'].groupby(df1['key1']).count()

代碼結果：

key1
a    3
b    2
Name: Data1, dtype: int64

• 根據單列來對多列分組

df1[['Data1','Data2']].groupby(df1['key1']).mean()

代碼結果：

	Data1	Data2
key1
a	5.333333	14.333333
b	7.500000	16.500000

• 根據多列對單列分組

注意，下例通過兩列分組得到的是多級索引的Series對象，groupby()裏面分組順序不同而結果不同。

df1['Data1'].groupby([df1['key1'],df1['key2']]).count()

代碼結果：

key1  key2
a     x       1
      y       2
b     x       1
      y       1
Name: Data1, dtype: int64

• 根據多列對多列分組

下例通過兩列分組得到的是多級索引的DataFrame對象。

df1.groupby([df1['key1'],df1['key2']]).sum()

代碼結果：

		Data1	Data2
key1	key2
a	x	5	15
	y	11	28
b	x	9	16
	y	6	17

• 除了上述用Series對象作爲分組的依據，還可以是：列表、數組、字符串、字典等等。

#列表
df1['Data1'].groupby([1,2,3,2,1]).count()

代碼結果：

1    2
2    2
3    1
Name: Data1, dtype: int64

#數組
df1['Data1'].groupby(np.array([2,1,2,1,1])).count()

代碼結果：

1    3
2    2
Name: Data1, dtype: int64

#字符串
df1[['Data1','key1']].groupby('key1').count()

代碼結果：

	Data1
key1
a	3
b	2

#字典 
df1['Data1'].groupby({0:'y',1:'x',2:'x',3:'y',4:'z'}).count()

代碼結果：

x    2
y    2
z    1
Name: Data1, dtype: int64

• ‘麻煩列’被消除

當分組後進行shu數值計算時，不是數值類的列（即麻煩列）會被清除

df1.groupby('key2').mean()

代碼結果：

	Data1	Data2
key2
x	7.000000	15.5
y	5.666667	15.0

• 取分組後的一列或某幾列

當數據特別巨大時，而我們只需某幾列，這時這樣的用法是十分省時又方便的。

df1.groupby('key1')['Data1'].max()

代碼結果：

key1
a    9
b    9
Name: Data1, dtype: int32

• 傳入axis=1橫向分組

df1.groupby([1,1,2,1],axis=1).count()

代碼結果：

	1	2
0	3	1
1	3	1
2	3	1
3	3	1
4	3	1

• 接下來是分組後可運行的簡單運算函數表：
  

謝謝大家的瀏覽，
希望我的努力能幫助到您，
共勉！