Pandas之groupby( )用法筆記

groupby官方解釋

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)

 

Group series using mapper (dict or key function, apply given function to group, return result as series) or by a series of columns.

 

講真的，非常不能理解pandas官方文檔的這種表達形式，讓人真的有點摸不着頭腦，example給得又少，參數也不給得很清楚，不過沒有辦法，還是只能選擇原諒他。

groupby我用過的用法

基本用法我這里就不呈現了，我覺得用過一次的人基本不會忘記，這里我主要寫一下我用過的關系groupby函數的疑惑：

apply & agg

這個問題着實困擾了我很久，經過研究，找了一些可能幫助理解的東西。先舉一個例子：

import pandas as pd
df = pd.DataFrame({'Q':['LI','ZHANG','ZHANG','LI','WANG'], 'A' : [1,1,1,2,2], 'B' : [1,-1,0,1,2], 'C' : [3,4,5,6,7]})

	A	B	C	Q
0	1	1	3	LI
1	1	-1	4	ZHANG
2	1	0	5	ZHANG
3	2	1	6	LI
4	2	2	7	WANG

df.groupby('Q').apply(lambda x:print(x))

       A  B  C   Q
    0  1  1  3  LI
    3  2  1  6  LI
       A  B  C   Q
    0  1  1  3  LI
    3  2  1  6  LI
       A  B  C     Q
    4  2  2  7  WANG
       A  B  C      Q
    1  1 -1  4  ZHANG
    2  1  0  5  ZHANG

 

df.groupby('Q').agg(lambda x:print(x))

    0    1
    3    2
    Name: A, dtype: int64
    4    2
    Name: A, dtype: int64
    1    1
    2    1
    Name: A, dtype: int64
    0    1
    3    1
    Name: B, dtype: int64
    4    2
    Name: B, dtype: int64
    1   -1
    2    0
    Name: B, dtype: int64
    0    3
    3    6
    Name: C, dtype: int64
    4    7
    Name: C, dtype: int64
    1    4
    2    5
    Name: C, dtype: int64

	A	B	C
Q
LI	None	None	None
WANG	None	None	None
ZHANG	None	None	None

從這個例子可以看出，使用apply()處理的對象是一個個的類如DataFrame的數據表，然而agg()則每次只傳入一列。

不過我覺得這一點區別在實際應用中分別並不大，因為Ipython的Out輸出對於這兩個函數幾乎沒有差別，不管是處理一列還是一表。

我覺得agg()有一點讓我很開心就是他可以同時傳入多個函數，簡直不要太方便哈哈：

df.groupby('Q').agg(['mean','std','count','max'])

	A				B				C
	mean	std	count	max	mean	std	count	max	mean	std	count	max
Q
LI	1.5	0.707107	2	2	1.0	0.000000	2	1	4.5	2.121320	2	6
WANG	2.0	NaN	1	2	2.0	NaN	1	2	7.0	NaN	1	7
ZHANG	1.0	0.000000	2	1	-0.5	0.707107	2	0	4.5	0.707107	2	5

Plotting

這個也是我剛剛學會的，groupby的plot簡直不要太方便了：(不過這個例子選的不是很好)

%matplotlib inline
df.groupby('Q').agg(['mean','std','count','max']).plot(kind='bar')

<matplotlib.axes._subplots.AxesSubplot at 0x1133bd710>

MultiIndex

這個是困擾我最多的一個問題，因為如果我groupby的時候選擇了兩個level，之后的data總是呈現透視表的形式，如：

Muldf = df.groupby(['Q','A']).agg('mean')
print(Muldf)

               B    C
    Q     A          
    LI    1  1.0  3.0
          2  1.0  6.0
    WANG  2  2.0  7.0
    ZHANG 1 -0.5  4.5

我開始甚至以為這應該不是dataframe，是一個我可能沒注意過的一個東西，可是后來我發現，這不過是MultiIndex形式的一種dataframe罷了。

Muldf.B

    Q      A
    LI     1    1.0
           2    1.0
    WANG   2    2.0
    ZHANG  1   -0.5
 Name: B, dtype: float64

如果要選擇某一個index，用`xs()`函數：

Muldf.xs('LI')

	B	C
A
1	1.0	3.0
2	1.0	6.0

 

PS：有個問題困擾好久了，怎么把multiindex對象變回原來的形式呢。如：

Q      A    
LI     1    1.0
LI     2    1.0
WANG   2    2.0
ZHANG  1   -0.5

求大佬解答，感激不盡～