目錄
所見 2 :解決groupby.sum() 後層級索引levels上移的問題
所見 3 :解決groupby.apply() 後層級索引levels上移的問題
所見 4 :groupby函數的分組結果保存成DataFrame
groupby的函數定義:
DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)
- by :接收映射、函數、標籤或標籤列表;用於確定聚合的組。
- axis : 接收 0/1;用於表示沿行(0)或列(1)分割。
- level : 接收int、級別名稱或序列,默認爲None;如果軸是一個多索引(層次化),則按一個或多個特定級別分組。
- as_index:接收布爾值,默認Ture;Ture則返回以組標籤爲索引的對象,False則不以組標籤爲索引。
其他的參數解釋就看文檔吧:鏈接:pandas.DataFrame.groupby 介紹文檔
所見 1 :日常用法
import pandas as pd
df = pd.DataFrame({'Gender' : ['男', '女', '男', '男', '男', '男', '女', '女', '女'],
'name' : ['周杰倫', '蔡依林', '林俊杰', '周杰倫', '林俊杰', '周杰倫', '田馥甄', '蔡依林', '田馥甄'],
'income' : [4.5, 2.9, 3.8, 3.7, 4.0, 4.1, 1.9, 4.1, 3.2],
'expenditure' : [1.5, 1.9, 2.8, 1.7, 4.1, 2.5, 1.1, 3.4, 1.2]
})
#根據其中一列分組
df_expenditure_mean = df.groupby(['Gender']).mean()
#根據其中兩列分組
df_expenditure_mean = df.groupby(['Gender', 'name']).mean()
#只對其中一列求均值
df_expenditure_mean = df.groupby(['Gender', 'name'])['income'].mean()
輸出示例:
所見 2 :解決groupby.sum() 後層級索引levels上移的問題
上圖中的輸出二,雖然是 DataFrame 的格式,但是若需要與其他表匹配的時候,這個格式就有些麻煩了。匹配數據時,我們需要的數據格式是:列名都在第一行,數據行中也不能有 Gender 列這樣的合併單元格。因此,我們需要做一些調整,將 as_index 改爲 False ,默認是 Ture 。
#不以組標籤爲索引,通過 as_index 來實現
df_expenditure_mean = df.groupby(['Gender', 'name'], as_index=False).mean()
輸出:
所見 3 :解決groupby.apply() 後層級索引levels上移的問題
在所見 2 中我們知道,使用參數 as_index 就可使 groupby 的結果不以組標籤爲索引,但是後來在使用 groupby.apply() 時發現,as_index 參數失去了效果。如下例所示:
# 使用了 as_index=False,但是從輸出結果中可見沒起到作用
df_apply = df.groupby(['Gender', 'name'], as_index=False).apply(lambda x: sum(x['income']-x['expenditure'])/sum(x['income']))
df_apply = pd.DataFrame(df_apply,columns=['存錢佔比'])#轉化成dataframe格式
輸出:
解決辦法: 加一句df_apply_index = df_apply.reset_index()
# 加一句df_apply_index = df_apply.reset_index()
df_apply = df.groupby(['Gender', 'name'], as_index=False).apply(lambda x: sum(x['income']-x['expenditure'])/sum(x['income']))
df_apply = pd.DataFrame(df_apply,columns=['存錢佔比'])#轉化成dataframe格式
df_apply_index = df_apply.reset_index()
輸出:
所見 4 :groupby函數的分組結果保存成DataFrame
所見 1 中的輸出三,明顯是 Series ,我們需要將其轉化爲 DataFrame 格式的數據。
#只對其中一列求均值,並轉化爲 DataFrame
df_expenditure_mean = df.groupby(['Gender', 'name'], as_index=False)['income'].mean()
df_expenditure_mean = pd.DataFrame(df_expenditure_mean)#轉化成dataframe格式
df_expenditure_mean.rename(columns={'income':'收入均值'}, inplace = True)
輸出:
下班啦,明天繼續!