Pandas怎么實現(xiàn)分組

這篇文章主要講解了“Pandas怎么實現(xiàn)分組”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Pandas怎么實現(xiàn)分組”吧！

創(chuàng)建測試數(shù)據(jù)框

import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3, 4], 'b': [5, 6, 7,8],'c': ['x', 'y', 'x','y'],'d':["one","two","three","two"]})
print(df)   a  b  c    d0  1  5  x  one1  2  6  y  two2  3  7  x  three3  4  8  y  two

計算以c列分組的,每組的平均值,非數(shù)值列將會被自動忽略

print(df.groupby(df["c"]).mean())
   a  bc      
x  2  6
y  3  7

多列分組

gb=df.groupby([df["c"],df["d"]])
print(gb)
<pandas.core.groupby.DataFrameGroupBy object at 0x0000000004A1DEB8>#groupby存儲的是分組信息,而不是分組的數(shù)據(jù)
for i,j in gb: print(i) print('-----------') print(j)('x', 'one') ----------- a b c d0  1  5  x  one('x', 'three') ----------- a b c d2  3  7  x  three('y', 'two') ----------- a b c d1  2  6  y  two
3  4  8  y  two

聚合函數(shù)agg()

print(df.groupby(df["c"]).agg(['min','max']))a       b        d       
  min max min max  min    maxc                            
x   1   3   5   7  one  threey   2   4   6   8  two    two

將結(jié)果返回到數(shù)據(jù)框transform

print(df.groupby('c').transform('mean'))
   a  b0  2  6
1  3  7
2  2  6
3  3  7

數(shù)據(jù)透視表

table =pd.pivot_table(df, values='a', index=['c'],columns=['d'], aggfunc=np.sum)
d  one  three  twoc                 
x  1.0    3.0  NaN
y  NaN    NaN  6.0

感謝各位的閱讀，以上就是“Pandas怎么實現(xiàn)分組”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對Pandas怎么實現(xiàn)分組這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！