df.groupby()方法讲解

df.groupby()方法讲解

分组：根据研究目的，将所有样本点按照一个或多个属性划分为多个组，就是分组。

pandas中，数据表就是DataFrame对象，分组就是groupby方法。将DataFrame中所有行按照一列或多列来划分，分为多个组，列值相同的在同一组，列值不同的在不同组。

分组后，就得到一个groupby对象，代表着已经被分开的各个组。后续所有的动作，比如计数，求平均值等，都是针对这个对象，也就是都是针对各个组。即在每个组组内进行计数，求平均值等。

分组的返回结果

df = pd.DataFrame([['a', 'man', 120, 90],                   ['b', 'woman', 130, 100],                   ['a', 'man', 110, 108],                   ['a', 'woman', 120, 118]], columns=['level', 'gender', 'math','chinese'])group = df.groupby('gender')

df.groupby() 函数返回的对象是一系列键值对，其中键是分组的字段值，值是该字段值下的数据表。分组的结果是无法直接输出的，print()只能看到该结果的数据类型。可以用循环对分组后的结果进行遍历。

print(group)# for key, value in group:    print(key)    print(value)    print("")man  level gender  math  chinese0     a    man   120       902     a    man   110      108woman  level gender  math  chinese1     b  woman   130      1003     a  woman   120      118

按一列分组：df.groupby(column)

group = df.groupby('gender') # 按照'gender'列的值来分组，创建一个groupby对象# group = df.groupby(['gender']) # 等价写法for key, df in group:    print(key)    print(df)man  level gender  math  chinese0     a    man   120       902     a    man   110      108woman  level gender  math  chinese1     b  woman   130      1003     a  woman   120      118

按多列分组：df.groupby([column1, column2])

group = df.groupby(['gender', 'level'])# 先按照'grade'列的值来分组。每组内，再按'level'列来分组。也返回一个groupby对象for key, value in group:    print(key)    print(value)    print("")('man', 'a')  level gender  math  chinese0     a    man   120       902     a    man   110      108('woman', 'a')  level gender  math  chinese3     a  woman   120      118('woman', 'b')  level gender  math  chinese1     b  woman   130      100

查看每组的统计数据：df.groupby(column).describe()

对数据表中的数值列进行统计，给出包括count = 计数，mean = 平均数，std = 方差，min = 最小值，25% = 四分位数，50% = 二分位数，75% = 四分之三分位数，max = 最大值的信息。不会对非数值列统计。

返回的是一个dataframe。

• 查看所有列的统计信息

  group = df.groupby(['gender'])df1 = group.describe()# df1 = df.groupby(['gender']).describe() # 等价写法print(type(df1)) print(df1)<class 'pandas.core.frame.DataFrame'> math                         chinese  \       count   mean       std    min    25%    50%    75%    max   count   gender             man      2.0  115.0  7.071068  110.0  112.5  115.0  117.5  120.0     2.0   woman    2.0  125.0  7.071068  120.0  122.5  125.0  127.5  130.0     2.0            mean        std    min    25%    50%    75%    max  gender                           man      99.0  12.727922   90.0   94.5   99.0  103.5  108.0  woman   109.0  12.727922  100.0  104.5  109.0  113.5  118.0

• 查看指定列的统计信息

group = df.groupby(['gender'])df1 = group.describe()['math'] # 只看math列的统计信息print(df1)count   mean    std    min    25%    50%    75%    maxgender   man       2.0  115.0  7.071068  110.0  112.5  115.0  117.5  120.0woman     2.0  125.0  7.071068  120.0  122.5  125.0  127.5  130.0

• 查看纵向视图

  unstack()可以将每列的统计信息垂直排列。

group = df.groupby(['gender'])df1 = group.describe().unstack()print(df1)gendermath     count  man         2.000000                woman       2.000000         ...         max    man       120.000000                woman     130.000000chinese  count  man         2.000000                woman       2.000000         ...                woman     113.500000         max    man       108.000000                woman     118.000000dtype: float64

组内离散列计数：df.groupby(column)[column2].value_counts()

数据表中的列按值是否连续，可以分为连续值列、离散值列。对于离散值列，可以统计其不重复值的个数。对于连续值列，统计不重复值一般没有意义。统计结果是一个Series对象。

group = df.groupby(['gender'])df1 = group['level'].value_counts() # 统计'level'列的不重复值个数print(type(df1))print(df1)<class 'pandas.core.series.Series'>gender  levelman     a        2woman   a        1        b        1pyName: level, dtype: int64

组内数值列和：df.groupby(column).sum()

group = df.groupby(['gender'])df1 = group.sum()print(df1)math  chinesegender               man      230      198woman    250      218

组内成员数：df.groupby(column).count()

每组内，按列统计每组的成员数。每列的统计结果是一样的

group = df.groupby(['gender'])df1 = group.count()print(df1)level  math  chinesegender                      man         2     2        2woman       2     2        2

组内数值列均值：df.groupby(column).mean()

每组内，统计所有数值列的均值，非数值列无均值。

所有组的均值

group = df.groupby(['gender'])df1 = group.mean()print(df1)math  chinesegender               man      115       99woman    125      109

单组的均值

group = df.groupby(['gender'])df1 = group['math'].mean()print(df1)genderman      115woman    125Name: math, dtype: int64

组内数值列最大值：df.groupby(column).max()

每组内，统计所有数值列的最大值，非数值列无最大值

统计所有数值列的最大值

group = df.groupby(['gender'])df1 = group.max()print(df1)level  math  chinesegender                     man        a   120      108woman      b   130      118

统计单个数值列的最大值

group = df.groupby(['gender'])df1 = group['math'].max()print(df1)genderman      120woman    130Name: math, dtype: int64

组内应用函数：df.groupby(column1)[column2].apply()

group = df.groupby(['gender'])df1 = group['math'].apply(np.mean) # 求组内均值print(df1)genderman      115.0woman    125.0Name: math, dtype: float64

组内不同列用不同函数：df.groupby(column).agg({column1:func, column2:func,…})

group = df.groupby(['gender'])df1 = group.agg({'math':np.mean, 'chinese':np.std})print(df1)math    chinesegender                 man      115  12.727922woman    125  12.727922

来源地址：https://blog.csdn.net/HTDiiii/article/details/127000069