美文网首页
【pandas】goupby工具使用

【pandas】goupby工具使用

作者: charmler | 来源:发表于2017-08-07 14:20 被阅读0次

    1.init a dataframe

    import pandas as pd
    import numpy as np
    
    df = pd.DataFrame({'key1':['a', 'a', 'b', 'b', 'a','a','a','a'],
                       'key2':['one', 'two', 'one', 'two', 'one','two','two','two'],
                       'data1':np.random.randn(8),
                       'data2':np.random.randn(8)})
    df.head(10)
    

    2.data1按key1,key2分组后的平均值

    df_group = df.groupby(["key1","key2"])["data1"].mean()
    print(df_group)
    

    result:

    key1  key2
    a     one     1.197223
          two    -0.224934
    b     one     1.779484
          two     1.193350
    Name: data1, dtype: float64
    

    3.group 操作后还恢复到正常dataframe索引

    df_reset = df_group.reset_index()
    df_reset.head()
    

    result:

    key1    key2    data1
    0   a   one 1.197223
    1   a   two -0.224934
    2   b   one 1.779484
    3   b   two 1.193350
    

    4.同一组数据做多类型数据统计

    df_group_m = df.groupby(["key1","key2"])["data1"].agg(["mean","max"])
    df_reset_m = df_group_m.reset_index()
    print(df_group_m)
    df_reset_m.head()
    

    result:

                   mean       max
    key1 key2                    
    a    one   1.197223  2.319615
         two  -0.224934 -0.173460
    b    one   1.779484  1.779484
         two   1.193350  1.357037
    
    key1    key2    mean    max
    0   a   one 1.197223    2.319615
    1   a   two -0.224934   -0.173460
    2   b   one 1.779484    1.779484
    3   b   two 1.193350    1.357037
    

    5.自定义统计函数

    系统提供了丰富的统计函数,比如:最大值、最小值、count、求和、平均值等常见的统计属性,但是有时候仍然不能满足我们的需求,需要自己给grouby写统计函数(这里要特别小心,在数据量大时,任何的时间消耗都会被放大,统计要尽可能简单)。
    比如要获取大于平均数的数据的中位数附近的数据。

    def median_m(arrs):
        length = len(arrs) - 1
        idx = int(0.75*length)
        return arrs.iat[idx]
        
    df.sort_values(by=["data1"],inplace=True,ascending=True)
    df_group_d = df.groupby(["key1","key2"])["data1"].agg(["mean",median_m])
    df_reset_d = df_group_d.reset_index()
    print(df_group_d)
    df_reset_d.head()
    

    result:

                   mean  median_m
    key1 key2                    
    a    one   1.223088  0.146005
         two  -1.033850 -0.334123
    b    one  -0.194909 -0.194909
         two  -1.798123 -1.798123
    
    key1    key2    mean    median_m
    0   a   one 1.223088    0.146005
    1   a   two -1.033850   -0.334123
    2   b   one -0.194909   -0.194909
    3   b   two -1.798123   -1.798123
    

    相关文章

      网友评论

          本文标题:【pandas】goupby工具使用

          本文链接:https://www.haomeiwen.com/subject/mwwolxtx.html