分組統計 - DataFrame.groupby() 所見的各種用法 - Python代碼
原創黃大俠aa 最后發布於2019-01-31 17:59:54 閱讀數 2930 收藏
展開
目錄
所見 1 ：日常用法
所見 2 ：解決groupby.sum() 后層級索引levels上移的問題
所見 3 ：解決groupby.apply() 后層級索引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、標簽或標簽列表；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，默認為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則返回以組標簽為索引的對象，False則不以組標簽為索引。
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' : ['周傑倫', '蔡依林', '林俊傑', '周傑倫', '林俊傑', '周傑倫', '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() 后層級索引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 列這樣的合並單元格。因此，我們需要做一些調整，將 as_index 改為 False ，默認是 Ture 。
#不以組標簽為索引，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() 后層級索引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 的結果不以組標簽為索引，但是后來在使用 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=['存錢占比'])#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=['存錢占比'])#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 ,我們需要將其轉化為 DataFrame 格式的數據。
#只對其中一列求均值，並轉化為 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！
————————————————
版權聲明：本文為CSDN博主「黃大俠aa」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/weixin_40683253/article/details/86717630