Python笔记（九）——groupby()分组

我会带着你远行 2022-02-03 05:21 317阅读 0赞

功能：

*  根据表本身的某一列或多列内容进行分组聚合
 *  通过字典或者Series进行分组

# 一、根据表本身的某一列或多列内容进行分组聚合 #

这个是groupby的最常见操作，根据某一列的内容分为不同的维度进行拆解，将同一维度的再进行聚合

*  按一列进行聚合

import pandas as pd
    import numpy as np
    df = pd.DataFrame({'key1':list('aabba'),
                      'key2': ['one','two','one','two','one'],
                      'data1': np.random.randn(5),
                      'data2': np.random.randn(5)})

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NzY0MTI5_size_16_color_FFFFFF_t_70][]

for i in df.groupby('key1'):
        print(i)
    # 输出：
    ('a',       data1     data2 key1 key2
    0 -0.293828  0.571930    a  one
    1  1.872765  1.085445    a  two
    4 -1.943001  0.106842    a  one)
    ('b',       data1     data2 key1 key2
    2 -0.466504  1.262140    b  one
    3 -1.125619 -0.836119    b  two)

*  按多列进行聚合，则看的是多列之间维度的笛卡尔积

比如按照key1列，可以分为a和b两个维度，按照key2列可以分为one和two两个维度，最后groupby这两列之后的结果就是四个group。

for i in df.groupby(['key1','key2']):
        print(i)
    # 输出：
    (('a', 'one'),       data1     data2 key1 key2
    0 -0.293828  0.571930    a  one
    4 -1.943001  0.106842    a  one)
    (('a', 'two'),       data1     data2 key1 key2
    1  1.872765  1.085445    a  two)
    (('b', 'one'),       data1    data2 key1 key2
    2 -0.466504  1.26214    b  one)
    (('b', 'two'),       data1     data2 key1 key2
    3 -1.125619 -0.836119    b  two)

# 二、通过字典或者Series进行分组 #

**问题情境**：一共有5个同学分别对5样东西做了一个评价，0-5表示对该物品的喜爱程度，随着数值的升高，程度也在不断加深。

import pandas as pd
    import numpy as np
    import random
    people=pd.DataFrame(
      np.random.randint(low=0,high=6,size=(5,5)),
      columns=['香蕉','苹果','橘子','眼影','眼线'],
      index=['Joe','Steve','Wes','Jim','Travis']
    )

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NzY0MTI5_size_16_color_FFFFFF_t_70 1][]

但是可以明显发现这五样物品可以分为两类：“水果”和“化妆品”。

**问题：我想知道这五名同学对水果和化妆品的平均喜爱程度是什么样的？**

**solution1：通过字典分组**

mapping = {'香蕉':'水果','苹果':'水果','橘子':'水果','眼影':'化妆品','眼线':'化妆品'}
    data = people.groupby(mapping,axis=1).mean()

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NzY0MTI5_size_16_color_FFFFFF_t_70 2][]

**solution2：通过Series分组**

mapping2 = pd.Series(mapping)
    # mapping2
    橘子     水果
    眼影    化妆品
    眼线    化妆品
    苹果     水果
    香蕉     水果
    dtype: object

之后将Series传入

> data2 = people.groupby(mapping2,axis=1).mean()

无论solution1还是2，本质上，都是找index（Series）或者key（字典）与数据表本身的行或者列之间的对应关系，在groupby之后所使用的聚合函数都是对每个group的操作，聚合函数操作完之后，再将其合并到一个DataFrame中，每一个group最后都变成了一列（或者一行）。

另外一个我容易忽略的点就是，在groupby之后，可以接很多很有意思的函数，apply/transform/其他统计函数等等，都要用起来！

转自：  
  
Python中的groupby分组：https://blog.csdn.net/qq\_32618817/article/details/80587228

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NzY0MTI5_size_16_color_FFFFFF_t_70]: /images/20220203/0a35879c003f4cc4a189ff3bf7fc3897.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NzY0MTI5_size_16_color_FFFFFF_t_70 1]: /images/20220203/ade1d2b539314fc2807ae4b4b7071faa.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NzY0MTI5_size_16_color_FFFFFF_t_70 2]: /images/20220203/2fba748a3b594cd7be3b33484b24ddc4.png