专栏名称: BrainZou
Android开发工程师
今天看啥  ›  专栏  ›  BrainZou

利用Python进行数据分析(十四)之数据聚合与分组运算

BrainZou  · 掘金  ·  · 2018-04-16 02:11

利用Python进行数据分析(十四)之数据聚合与分组运算

微信公众号:BrainZou
欢迎关注,一起学习。

GroupBy技术

分组运算的第一步就是将数据按照一定的要求拆分成多个组,第二步是将函数应用到各个分组,第三步,将这些结果合并。下图大致说明了这个过程。

拆分-应用-合并
拆分-应用-合并

比如对于一个DataFrame,想按key1分组,并计算data1列的平均值。一种简单的做法就是使用GroupBy:
grouped = df['data1'].groupby(df['key1'])
grouped是一个GroupBy对象,只是按照要求,对df按key1分组,取出了data1列的值。然后,我们就可以对grouped.mean()即可计算分组的平均值。grouped.size()会返回分组大小的Series。

对分组进行迭代

GroupBy对象是支持迭代的,所以:

for (k1,k2),group in df.groupby(['key1','key2']):
print k1,k2
print group

k1,k2对应key1,key2。

迭代GroupBy对象
迭代GroupBy对象

有趣的是可以把这个数据片段做成字典:

pieces = dict(list(df.groupby('key1')))
pieces['b']
#就可以得到按照key1分组后,key1=b的数据了。

选取一个或一组列

对于由DataFrame产生的GroupBy对象.如果用一个(单个字符串)或一组(字符串数组)列名对其进行索引,就能实现选取部分列进行聚合的目的。也就是说:

df.groupby('key1')['data1']
df['data1'].groupby(df['key1'])

两者达到的效果是相同的。

通过字典或Series进行分组

假设已知一个DataFrame,并且知道abcde分别对应几种颜色,要求按照颜色分组,应该如何去做?


mapping = {'a':'red','b':'red','c':'blue','d':'blue','e':'red','f':'orange'}
其实,只需将字典传给groupby即可:
by_column = people.groupby(mapping,axis=1)
而Series也可以:
map_series = Series(mapping)
然后把map_series传给groupby达到的效果是一样的。

通过函数进行分组

比如希望对上面的people按人名的长度分组,只需要传入len函数就可以了:people.groupby(len).sum()
而且函数可以跟数组,列表,字典,Series这些混合使用,相当灵活。

根据索引级别分组

层次化索引数据集可以通过level根据索引的级别聚合。

根据索引级别分组
根据索引级别分组

数据聚合

当你自己构造了一个函数,并想用在groupby上时,可以使用aggregate或agg方法:grouped.agg(peak_to_peak)

一些方法
一些方法

面向列的多函数应用

如果想对不同的列使用不同的聚合函数,或一次应用多个函数。

一组函数
一组函数

默认使用的列名标识性不是很好,可以使用(name,function)元组组成的列表,则name会被作为列名了。如下:
(name,function)
(name,function)

对于DataFrame,你还可以定义一组应用于全部列的函数,或不同的列使用不同的函数。假设想要对tip_pct和total_bill列计算三个统计信息:
对多个列使用函数
对多个列使用函数

另外,想对不同的列使用不同的函数(这是很常见的情况),需要往agg传入一个从列名映射到函数的字典:
不同的列使用不同的函数
不同的列使用不同的函数

以“无索引”的形式返回聚合数据

到目前为止.所有示例中的聚合数据都有由唯一的分组键组成的索引(可能还是层次化的).由于并不总是需要如此,所以你可以向groupby传入as_index=False以禁用该功能:

tips.groupby(['sex','smoker'],as_index = False).mean()

总结

这节主要是对数据通过groupby进行分组,然后通过传入函数来返回聚合数据。




原文地址:访问原文地址
快照地址: 访问文章快照