pandas資料預處理之dataframe的groupby操作方法

pandas資料預處理之dataframe的groupby操作方法

在資料預處理過程中可能會遇到這樣的問題,如下圖:資料中某一個key有多組資料,如何分別對每個key進行相同的運算?

dataframe裡面給出了一個group by的一個操作,對於”group by”操作,我們通常是指以下一個或多個操作步驟:

l (Splitting)按照一些規則將資料分為不同的組;

l (Applying)對於每組資料分別執行一個函式;

l (Combining)將結果組合到一個資料結構中;

使用dataframe實現groupby的用法:


# -*- coding: UTF-8 -*-
import pandas as pd
df = pd.DataFrame([{'col1':'a', 'col2':1, 'col3':'aa'}, {'col1':'b', 'col2':2, 'col3':'bb'}, {'col1':'c', 'col2':3, 'col3':'cc'}, {'col1':'a', 'col2':44, 'col3':'aa'}])
print df
# 按col1分組並按col2求和
print df.groupby(by='col1').agg({'col2':sum}).reset_index()
# 按col1分組並按col2求最值
print df.groupby(by='col1').agg({'col2':['max', 'min']}).reset_index()
# 按col1 ,col3分組並按col2求和
print df.groupby(by=['col1', 'col3']).agg({'col2':sum}).reset_index()

輸出結果為:


col1 col2 col3 
0  a   1  aa 
1  b   2  bb 
2  c   3  cc 
3  a  44  aa 

col1 col2 
0  a  45 
1  b   2 
2  c   3 

col1 col2   
max min 
0  a  44  1 
1  b  2  2 
2  c  3  3 

col1 col3 col2 
0  a  aa  45 
1  b  bb   2 
2  c  cc   3 

注意點:

程式碼中呼叫了reset_index() 函式, 如果不使用這個函式輸出的結果將是:


col2
col1   
a    45
b    2
c    3
col2  
max min
col1     
a   44  1
b    2  2
c    3  3
col2
col1 col3   
a  aa   45
b  bb    2
c  cc    3

上下兩個結果還是有區別的,但是具體區別暫時不太清楚,不過下面的一種輸出結果是不能跟使用df[‘col1’]來提取第一列的。至於是什麼原因暫時還不清楚,如果您對pandas比較理解或者知道原因,歡迎在評論中留言。

以上這篇pandas資料預處理之dataframe的groupby操作方法就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援指令碼之家。

您可能感興趣的文章:

python pandas中DataFrame型別資料操作函式的方法在Python中利用Pandas庫處理大資料的簡單介紹用Python的pandas框架操作Excel檔案中的資料教程