迹忆客 专注技术分享

本教程介绍 Python Pandas 中的 groupby 如何对数据进行分类并将函数应用于类别。使用 groupby() 函数通过示例对 Pandas 中的多个索引列进行分组。

在 Python Pandas 中使用 groupby() 函数按索引列分组

在这篇文章中，Pandas DataFrame data.groupby() 函数根据特定标准将数据分组。Pandas 对象可以沿任意轴分为任意数量的组。

标签到组名的映射是分组的抽象定义。groupby 操作拆分对象、应用函数并组合结果。

这对于对大量数据进行分组和执行操作很有用。Pandas groupby 默认行为将 groupby 列转换为索引，并将它们从 DataFrame 的列列表中删除。

语法：

DataFrame.groupby(
    by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True
)

参数：

取一个包含两列的 DataFrame：date 和 item sell。Groupby 日期和项目销售并获取用户的逐项计数。

首先，我们需要导入必要的库 pandas 和 numpy，创建三个列 ct、date 和 item_sell 并将一组值传递给这些列。

import pandas as pd
import numpy as np

data = pd.DataFrame()
data["date"] = ["a", "a", "a", "b"]
data["item_sell"] = ["z", "z", "a", "a"]
data["ct"] = 1
print(data)

输出：

  date item_sell  ct
0    a         z   1
1    a         z   1
2    a         a   1
3    b         a   1

使用 date 和 item_sell 列进行分组。

import pandas as pd
import numpy as np

data = pd.DataFrame()
data["date"] = ["a", "a", "a", "b"]
data["item_sell"] = ["z", "z", "a", "a"]
data["ct"] = 1
output = pd.pivot_table(data, values="ct", index=["date", "item_sell"], aggfunc=np.sum)
print(output)

输出：

 				ct
date item_sell
a    a           1
     z           2
b    a           1

groupby() by 参数现在可以引用列名称或索引级别名称。

import pandas as pd
import numpy as np

arrays = [
    ["rar", "raz", "bal", "bac", "foa", "foa", "qus", "qus"],
    ["six", "seven", "six", "seven", "six", "seven", "six", "seven"],
]
index = pd.MultiIndex.from_arrays(arrays, names=["first", "second"])
data = pd.DataFrame({"C": [1, 1, 1, 1, 2, 2, 3, 3], "D": np.arange(8)}, index=index)
print(data)

输出：

              C  D
first second
rar   six     1  0
raz   seven   1  1
bal   six     1  2
bac   seven   1  3
foa   six     2  4
      seven   2  5
qus   six     3  6
      seven   3  7

按 second 和 C 分组，然后使用 sum 函数计算总和。

import pandas as pd
import numpy as np

arrays = [
    ["rar", "raz", "bal", "bac", "foa", "foa", "qus", "qus"],
    ["six", "seven", "six", "seven", "six", "seven", "six", "seven"],
]
index = pd.MultiIndex.from_arrays(arrays, names=["first", "second"])
data = pd.DataFrame({"C": [1, 1, 1, 1, 2, 2, 3, 3], "D": np.arange(8)}, index=index)
output = data.groupby(["second", "C"]).sum()
print(output)

输出：

在 Python Pandas 中对 CSV 文件数据使用 groupby() 函数

现在对 CSV 文件使用 groupby() 函数。要下载代码中使用的 CSV 文件，请单击此处（[学生在考试中的表现 | Kaggle]）。

使用的 CSV 文件是关于学生表现的。要根据 gender 对数据进行分组，请使用 groupby() 函数。

Python Pandas 库的 read_csv 函数用于从驱动器中读取文件。将文件存储在数据变量中。

import pandas as pd

data = pd.read_csv("/content/drive/MyDrive/CSV/StudentsPerformance.csv")
print(data)

输出：

应用 groupby() 函数。

import pandas as pd

data = pd.read_csv("StudentsPerformance.csv")
std = data.groupby("gender")
print(std.first())

让我们打印任何组中的值。为此，请使用团队的名称。

get_group 函数用于查找任何组中的条目。找出 female 组中包含的值。

import pandas as pd

data = pd.read_csv("StudentsPerformance.csv")
std = data.groupby("gender")
print(std.get_group("female"))

输出：

使用 groupby() 函数创建多个类别组。要拆分，请使用多个列。

import pandas as pd

data = pd.read_csv("StudentsPerformance.csv")
std_per = data.groupby(["gender", "lunch"])
print(std_per.first())

输出：

Groupby() 是一个具有多种变体的通用函数。它使得根据某些标准拆分 DataFrame 变得非常简单和高效。