一、groupby 能做什么？

python中g(shù)roupby函數(shù)主要的作用是進行數(shù)據(jù)的分組以及分組后地組內(nèi)運算！

對于數(shù)據(jù)的分組和分組運算主要是指groupby函數(shù)的應(yīng)用，具體函數(shù)的規(guī)則如下：

df[](指輸出數(shù)據(jù)的結(jié)果屬性名稱).groupby([df[屬性],df[屬性])(指分類的屬性，數(shù)據(jù)的限定定語，可以有多個).mean()(對于數(shù)據(jù)的計算方式——函數(shù)名稱)

舉例如下：

print(df['評分'].groupby([df['地區(qū)'],df['類型']]).mean())#上面語句的功能是輸出表格所有數(shù)據(jù)中不同地區(qū)不同類型的評分數(shù)據(jù)平均值

二、單類分組

A.groupby('性別')

首先，我們有一個變量A，數(shù)據(jù)類型是DataFrame

想要按照【性別】進行分組

得到的結(jié)果是一個Groupby對象，還沒有進行任何的運算。

describe()

描述組內(nèi)數(shù)據(jù)的基本統(tǒng)計量

A.groupby('性別').describe().unstack()

* 只有數(shù)字類型的列數(shù)據(jù)才會計算統(tǒng)計

* 示例里面數(shù)字類型的數(shù)據(jù)有兩列 【班級】和【身高】

但是，我們并不需要統(tǒng)計班級的均值等信息，只需要【身高】，所以做一下小的改動：

A.groupby('性別')['身高'].describe().unstack()

unstack()

索引重排

上面的例子里面用到了一個小的技巧，讓運算結(jié)果更便于對比查看，感興趣的同學可以自行去除unstack，比較一下顯示的效果

三、多類分組

A.groupby( ['班級','性別'])

單獨用groupby，我們得到的還是一個 Groupby 對象。

mean()

組內(nèi)均值計算

DataFrame的很多函數(shù)可以直接運用到Groupby對象上。

上圖截自 pandas 官網(wǎng) document，這里就不一一細說。

我們還可以一次運用多個函數(shù)計算

A.groupby( ['班級','性別']).agg([np.sum, np.mean, np.std]) # 一次計算了三個

agg()

分組多個運算

四、時間分組

時間序列可以直接作為index，或者有一列是時間序列，差別不是很大。

這里僅僅演示，某一列為時間序列。

為A 新增一列【生日】，由于分隔符 “/” 的問題，我們查看列屬性，【生日】的屬性并不是日期類型

我們想做的是:

1、按照【生日】的【年份】進行分組，看看有多少人是同齡？

A['生日'] = pd.to_datetime(A['生日'],format ='%Y/%m/%d') # 轉(zhuǎn)化為時間格式A.groupby(A['生日'].apply(lambda x:x.year)).count() # 按照【生日】的【年份】分組

進一步，我們想選拔：

2、同一年作為一個小組，小組內(nèi)生日靠前的那一位作為小隊長：

A.sort_values('生日', inplace=True) # 按時間排序A.groupby(A['生日'].apply(lambda x:x.year),as_index=False).first()

as_index=False

保持原來的數(shù)據(jù)索引結(jié)果不變

first()

保留第一個數(shù)據(jù)

Tail(n=1)

保留最后n個數(shù)據(jù)

再進一步：

3、想要找到哪個月只有一個人過生日

A.groupby(A['生日'].apply(lambda x:x.month),as_index=False) # 到這里是按月分組A.groupby(A['生日'].apply(lambda x:x.month),as_index=False).filter(lambda x: len(x)==1)

filter()

對分組進行過濾，保留滿足（）條件的分組

以上就是 groupby 最經(jīng)常用到的功能了。

用 first（），tail（）截取每組前后幾個數(shù)據(jù)

用 apply（）對每組進行（自定義）函數(shù)運算

用 filter（）選取滿足特定條件的分組

到此這篇關(guān)于詳解python中g(shù)roupby函數(shù)通俗易懂的文章就介紹到這了,更多相關(guān)python groupby函數(shù)內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！