這篇文章主要介紹了Pandas聚合運算和分組運算的實現示例，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們可以參考一下：
1.聚合運算
(1)使用內置的聚合運算函數進行計算
1>內置的聚合運算函數
sum(),mean(),max(),min(),size(),describe()...等等
2>應用聚合運算函數進行計算
import numpy as np
import pandas as pd
#創建df對象
dict_data = {
'key1':['a','b','c','d','a','b','c','d'],
'key2':['one','two','three','one','two','three','one','two'],
'data1':np.random.randint(1,10,8),
'data2':np.random.randint(1,10,8)
}
df = pd.DataFrame(dict_data)
print(df)
'''
data1 data2 key1 key2
0 3 4 a one
1 7 9 b two
2 5 7 c three
3 3 4 d one
4 8 7 a two
5 4 7 b three
6 8 9 c one
7 4 4 d two
'''
#根據key1分組,進行sum()運算
df = df.groupby('key1').sum()
print(df)
'''
key1
a 12 10
b 8 5
c 8 11
d 16 13
'''
#內置的聚合函數
print(df.groupby('key1').sum())
print('*'*50)
print(df.groupby('key1').max())
print('*'*50)
print(df.groupby('key1').min())
print('*'*50)
print(df.groupby('key1').mean())
print('*'*50)
print(df.groupby('key1').size())
print('*'*50)
#分組中非Nan數據的數量
print(df.groupby('key1').count())
print('*'*50)
print(df.groupby('key1').describe())
我是一名python開發工程師，整理了一套python的學習資料，從基礎的python腳本到web開發、爬蟲、
數據分析、數據可視化、機器學習、面試真題等。想要的可以進羣：688244617免費領取
(2)自定義聚合函數進行計算
在使用自定義聚合函數的時候,需要用到一個agg()函數
#自定義聚合函數
#最大值-最小值
def peak_range(df):
#返回數據範圍差值
return df.max()**2 - df.min()**2
#agg() 可以將聚合計算的結果祖闖成一個dataframe對象返回
print(df.groupby('key1').agg(peak_range))
#lambda
print(df.groupby('key1').agg(lambda df:df.max()-df.min()))
(3)應用多個聚合函數,默認列索引爲函數名
#應用多個聚合函數,默認列索引爲函數名
#通過元素重新命名列索引('列索引',函數)
print(df.groupby('key1').agg(['sum','std','mean',('range',peak_range)]))
'''
data1 data2
sum std mean range sum std mean range
key1
a 10 2.828427 5.0 40 12 2.828427 6.0 48
b 10 5.656854 5.0 80 8 1.414214 4.0 16
c 6 1.414214 3.0 12 9 0.707107 4.5 9
d 15 0.707107 7.5 15 8 2.828427 4.0 32
(4)指定每一列使用某個聚合運算函數
#指定每一列使用某個聚合運算函數
print(df.groupby('key1').agg({'data1':'mean','data2':'sum'}))
'''
data1 data2
key1
a 5.0 12
b 5.0 8
c 3.0 9
d 7.5 8
'''
2.分組運算
(1)進行分組運算,並在運算後的結果列索引前加前綴
加前綴用到add_prefix('前綴')函數
#創建df對象
dict_data = {
'key1':['a','b','c','d','a','b','c','d'],
'key2':['one','two','three','one','two','three','one','two'],
'data1':np.random.randint(1,10,8),
'data2':np.random.randint(1,10,8)
}
df = pd.DataFrame(dict_data)
print(df)
'''
data1 data2 key1 key2
0 1 5 a one
1 9 3 b two
2 3 6 c three
3 6 9 d one
4 8 4 a two
5 5 5 b three
6 9 6 c one
7 4 1 d two
'''
#按照key1分組,進行sum()運算
#在運算結果的列索引前添加前綴
k1_sum = df.groupby('key1').sum().add_prefix('sum_')
print(k1_sum)
'''
sum_data1 sum_data2
key1
a 9 9
b 14 8
c 12 12
d 10 10
'''
(2)進行分組運算,並把原始數據和結果數據合併
#創建df對象
dict_data = {
'key1':['a','b','c','d','a','b','c','d'],
'key2':['one','two','three','one','two','three','one','two'],
'data1':np.random.randint(1,10,8),
'data2':np.random.randint(1,10,8)
}
df = pd.DataFrame(dict_data)
print(df)
'''
data1 data2 key1 key2
0 1 5 a one
1 9 3 b two
2 3 6 c three
3 6 9 d one
4 8 4 a two
5 5 5 b three
6 9 6 c one
7 4 1 d two
'''
#按照key1分組,進行sum()運算
#在運算結果的列索引前添加前綴
k1_sum = df.groupby('key1').sum().add_prefix('sum_')
print(k1_sum)
'''
sum_data1 sum_data2
key1
a 9 9
b 14 8
c 12 12
d 10 10
'''
#將運算結果和原始數據拼接到一起
#參數1:原始數據
#參數2:運算結果數據
pd.merge(df,k1_sum,left_on='key1',right_index=True)
(3)使用transform()函數,將計算結果按照原始數據排序成一個DataFrame對象
#創建df對象
dict_data = {
'key1':['a','b','c','d','a','b','c','d'],
'key2':['one','two','three','one','two','three','one','two'],
'data1':np.random.randint(1,10,8),
'data2':np.random.randint(1,10,8)
}
df = pd.DataFrame(dict_data)
print(df)
'''
data1 data2 key1 key2
0 1 5 a one
1 9 3 b two
2 3 6 c three
3 6 9 d one
4 8 4 a two
5 5 5 b three
6 9 6 c one
7 4 1 d two
'''
#按照key1分組,進行sum()運算
#在運算結果的列索引前添加前綴
k1_sum = df.groupby('key1').sum().add_prefix('sum_')
print(k1_sum)
'''
sum_data1 sum_data2
key1
a 9 9
b 14 8
c 12 12
d 10 10
'''
#transform() 計算 會將計算的結果按照原始數據的排序組裝成一個dataframe對象
k1_sum_tf = df.groupby('key1').transform(np.sum).add_prefix('sum_')
# print(k1_sum_tf.columns)
#把運算結果數據拼接到原始數據後
df[k1_sum_tf.columns] = k1_sum_tf
print(df)
'''
data1 data2 key1 key2 sum_data1 sum_data2 sum_key2
0 5 4 a one 9 12 onetwo
1 3 3 b two 5 12 twothree
2 9 2 c three 14 9 threeone
3 6 5 d one 11 9 onetwo
4 4 8 a two 9 12 onetwo
5 2 9 b three 5 12 twothree
6 5 7 c one 14 9 threeone
7 5 4 d two 11 9 onetwo
'''
以上就是本文的全部內容，希望對大家的學習有所幫助！