继上篇文章“[详解pandas数据分析之groupby分组聚合（上）]（https://www.jianshu.com/p/692d75993064）”之后，该篇文章继续基于电商的商品数据信息，详细介绍pandas数据分析之分组聚合的方法与技巧（重在第二节聚合）。
分组聚合结果展示：
20181218224011339.png
一、导入pandas包并读取数据集
import pandas as pd
df = pd.read_excel('./data/sku_analysis.xlsx')
数据
20181218195520228.png
数据字段说明
1、platform:用户使用的终端设备类型，分pc端、m端、ios端、android端。
2、sku:某款特点商品的唯一编号。
3、expose_num:商品sku的累计曝光数。
4、click_num:商品sku的累计点击数。
5、cart_num:商品sku的累计加购数。
6、collect_num:商品sku的累计收藏数。
7、order_num:商品sku的累计下单数。
二、分组聚合
一）单字段分组聚合
目标：统计不同sku的总曝光数
方式一（灵活性高）：使用agg方法，以字典格式传入要聚合的字段和聚合函数
df.groupby('sku').agg({'expose_num':'sum'})
20181218210050234.png
方式二：将聚合的字段作为索引，聚合函数传入agg
df.groupby('sku')['expose_num'].agg(np.sum)
20181218210236495.png
方式三：直接将函数名作为字符串传入agg
df.groupby('sku')['expose_num'].agg('sum')
20181218210334577.png
方式四：直接使用mean()函数
df.groupby('sku')['expose_num'].sum()
20181218210415323.png
二）多字段分组聚合
1、多字段分组、单字段聚合
目标：统计不同sku在不同设备端的总曝光数
df.groupby(['sku', 'platform'])['expose_num'].agg('sum')
20181218210752657.png
2、多字段分组、多字段聚合
目标：统计不同sku在不同设备端的总曝光数及总点击数
df.groupby(['sku', 'platform'])['expose_num','click_num'].agg('sum')
20181218210929643.png
3、多字段分组、多字段聚合、多个聚合函数
1）多字段共用聚合函数
目标：统计不同sku在不同设备端的总曝光数与平均曝光数、总点击数与平均点击数
df.groupby(['sku', 'platform'])['expose_num','click_num'].agg(['sum','mean'])
20181218211103715.png
2）多字段各自用聚合函数
目标：统计不同sku在不同设备端的总曝光数、平均曝光数与最小曝光数、总点击数、平均点击数与最大点击数
df.groupby(['sku', 'platform']).agg({'expose_num':['sum','mean','min'],'click_num':['sum','mean','max']})
20181218211213451.png
4、拼接列索引
将多级列索引自定义拼接为单级索引
group_obj = df.groupby(['sku', 'platform']).agg({'expose_num':['sum','mean','min'],'click_num':['sum','mean','max']})
index0 = group_obj.columns.get_level_values(0)
index1 = group_obj.columns.get_level_values(1)
group_obj.columns = index0 + '_' + index1
group_obj
20181218211346788.png
5、重置行索引
将多级行索引变为单级索引
group_obj = df.groupby(['sku', 'platform']).agg({'expose_num':['sum','mean','min'],'click_num':['sum','mean','max']})
group_obj.reset_index()
20181218221417123.png
等效于分组时指定as_index=False：
df.groupby(['sku', 'platform'],as_index=False).agg({'expose_num':['sum','mean','min'],'click_num':['sum','mean','max']})
三）自定义聚合函数
1、单字段自定义函数
agg在调用自定义函数时，直接引入自定义的函数名，字段名作为参数。
目标：自定义函数求取各个sku的平均曝光数
def mean_func(s):
score = s.sum()/s.size
return score
df.groupby('sku')['expose_num'].agg(mean_func).round(1).head()#round(1)保留一位小数
20181218212346124.png
2、多字段自定义函数
可同时对多个字段应用自定义函数，各个字段分别传入，分别得出结果。
目标：自定义函数求取各个sku的平均曝光数、平均点击数、平均加购数
def mean_func(s):
score = s.sum()/s.size
return score
df.groupby('sku')['expose_num','click_num','cart_num'].agg(mean_func).round(2).head()
20181218212644351.png
3、同时传入自定义聚合函数与系统函数
def mean_func(s):
score = s.sum()/s.size
return score
df.groupby('sku')['expose_num','click_num','cart_num'].agg([mean_func,'mean']).round(2).head()
20181218212741319.png
4、修改列名
上面自定义函数计算出的索引名为函数名，可对其作更改。
def mean_func(s):
score = s.sum()/s.size
return score
mean_func.__name__ = 'mean_1'
df.groupby('sku')['expose_num','click_num','cart_num'].agg([mean_func,'mean']).round(2).head()
2018121821292593.png
5、实现自定义函数传参
目标：统计数量在10000以上的频率
def pct_func(s,low,high):
score = s.between(low,high).mean()
return score
mean_func.__name__ = 'pct'
df.groupby('sku')['expose_num','click_num','cart_num'].agg(pct_func,low=0,high=10000).round(2).head()
20181218213055227.png
6、注意事项
注意：实现自定义函数传参的同时与内置函数共用，以下方式均会报错：
df.groupby('sku')['expose_num','click_num','cart_num'].agg([mean,pct_func,low=0,high=10000]).round(2).head()
df.groupby('sku')['expose_num','click_num','cart_num'].agg([mean,pct_func(low=0,high=10000).round(2).head()
df.groupby('sku')['expose_num','click_num','cart_num'].agg(pct_func(low=0,high=10000)).round(2).head()
7、自定义函数传参与内置函数共用
要实现自定义函数传参的同时与内置函数共用，可用如下方式：(定义嵌套函数（闭包）)
def pct_func(s,low,high):
score = s.between(low,high).mean()
return score
def agg_func(func,name,low,high):
def wrapper(x):
return func(x,low,high)
wrapper.__name__ = name
return wrapper
df.groupby('sku')['expose_num','click_num','cart_num'].agg([mean,agg_func(pct_func,'pct',low=0,high=10000)]).round(2).head()
20181218213600824.png
网友评论