| Pandas | 您所在的位置：网站首页 › 按分组组距类型可以分为 › Pandas |
|
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 chinese 0 a man 120 90 2 a man 110 108 woman level gender math chinese 1 b woman 130 100 3 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 chinese 0 a man 120 90 2 a man 110 108 woman level gender math chinese 1 b woman 130 100 3 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 chinese 0 a man 120 90 2 a man 110 108 ('woman', 'a') level gender math chinese 3 a woman 120 118 ('woman', 'b') level gender math chinese 1 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) 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% max gender man 2.0 115.0 7.071068 110.0 112.5 115.0 117.5 120.0 woman 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) gender math count man 2.000000 woman 2.000000 ... max man 120.000000 woman 130.000000 chinese count man 2.000000 woman 2.000000 ... woman 113.500000 max man 108.000000 woman 118.000000 dtype: 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) gender level man a 2 woman a 1 b 1 Name: level, dtype: int64组内数值列和：df.groupby(column).sum()每组内，只有数值列能求和，非数值列不可以。 group = df.groupby(['gender']) df1 = group.sum() print(df1) math chinese gender man 230 198 woman 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 chinese gender man 2 2 2 woman 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 chinese gender man 115 99 woman 125 109单组的均值group = df.groupby(['gender']) df1 = group['math'].mean() print(df1) gender man 115 woman 125 Name: math, dtype: int64组内数值列中位数：df.groupby(column).median()每组内，统计所有数值列的中位数，非数值列无中位数。 统计所有数值列的中位数group = df.groupby(['gender']) df1 = group.median() print(df1) math chinese gender man 115 99 woman 125 109统计单个数值列的中位数group = df.groupby(['gender']) df1 = group['math'].median() # 统计'math'列的中位数 print(df1) gender man 115 woman 125 Name: 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 chinese gender man a 120 108 woman b 130 118统计单个数值列的最大值group = df.groupby(['gender']) df1 = group['math'].max() print(df1) gender man 120 woman 130 Name: math, dtype: int64组内数值列最小值：df.groupby(column).min()每组内，统计所有数值列的最小值，非数值列无最小值。 统计所有数值列的最小值group = df.groupby(['gender']) df1 = group.min() print(df1) level math chinese gender man a 110 90 woman a 120 100统计单个数值列的最小值group = df.groupby(['gender']) df1 = group['math'].min() print(df1) gender man 110 woman 120 Name: math, dtype: int64组内数值列标准差：df.groupby(column).std()每组内，统计所有数值列的标准差，非数值列无标准差。 统计所有数值列的标准差group = df.groupby(['gender']) df1 = group.std() print(df1) math chinese gender man 7.071068 12.727922 woman 7.071068 12.727922统计单个数值列的标准差group = df.groupby(['gender']) df1 = group['math'].std() print(df1) gender man 7.071068 woman 7.071068 Name: math, dtype: float64组内数值列方差：df.groupby(column).var()每组内，统计所有数值列的方差，非数值列无方差。 统计所有数值列的方差group = df.groupby(['gender']) df1 = group.var() print(df1) math chinese gender man 50 162 woman 50 162统计单个数值列的方差group = df.groupby(['gender']) df1 = group['math'].var() print(df1) gender man 50 woman 50 Name: math, dtype: int64组内数值列二分位数：df.groupby(column).quantile()每组内，统计所有数值列的二分位数，非数值列无二分位数。 统计单个数值列的二分位数group = df.groupby(['gender']) df1 = group['math'].quantile() print(df1) gender man 115.0 woman 125.0 Name: math, dtype: float64组内数值列累计和：df.groupby(column).cumsum()每组内，统计所有数值列的累计和，非数值列无累计和。 [暂时没搞懂] 组内应用函数：df.groupby(column1)[column2].apply()每组内，可以指定只求某一列的统计指标，包括平均数，方差等。function 可以是mean，或者std等。 group = df.groupby(['gender']) df1 = group['math'].apply(np.mean) # 求组内均值 print(df1) gender man 115.0 woman 125.0 Name: math, dtype: float64组内应用多个函数：df.groupby(column).agg([...])想同时查看每组内，某数值列的多个统计指标，可以用agg函数。它的参数是一个列表，列表中包含各个函数。 group = df.groupby(['gender']) df1 = group['math'].agg([np.mean,np.std]) # 组内应用均值，方差两个函数 print(df1) mean std gender man 115 7.071068 woman 125 7.071068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 chinese gender man 115 12.727922 woman 125 12.727922 |
| CopyRight 2018-2019 实验室设备网 版权所有 |