Pandas的GroupBy机制
本文作者：孙晓玲
文字编辑：孙晓玲
技术总编：张 邯
作为炙手可热的Python数据分析包，Pandas具有很多好用的数据类型，利如Series、DataFrame、Categorical。在数据分析过程中，描述数据是对具有某些特征的列进行的，分析结果也需要对具体的组进行对比分析，GroupBy就是能满足这种需求的一种分组机制。GroupBy的应用包括三个流程：
（split - apply - combine）
- Splitting: 将数据按需求分组；
- Applying: 对每个小组进行函数操作；
- Combining: 合并结果。
接下来我将对其进行介绍。首先，导入所需库与所用数据。这里用到的数据为泰坦尼克号遇难乘客数据集，为了展示的方便，对导入的数据进行处理只保留所感兴趣的数据，查看数据基本概貌。
import pandas as pd
import numpy as np
ror = pd.read_csv('D:/titanic.csv')
titanic=ror.iloc[:,0:6]
titanic.head()
image
一、分组机制的产生
将数据对乘客所在船舱等级（“pclass”）进行分组，使用分组函数groupby并对查看分组结果。
my_group1=titanic.groupby('pclass')
my_group1
image
可以发现，此时数据不再是DataFrame数据，而是一种DataFrameGroupBy对象。顾名思义由DataFrame转换而来的分组对象为DataFrameGroupBy，由Series转换的分组对象就是SeriesGroupBy。按my_group1分组结果继续计数，发现年龄（“age”）列具有数据缺失。
my_group1.count()
image
如果想根据分组对具体的某一列数据进行分析，在分组后选择所需的列即可。还可以通过传入agg方法选择所需的函数。这里以不同性别下的存活情况为例，输出存活率与存活人数。
my_group2=titanic.groupby('sex')
sex_sur=my_group2['survived'].agg(['mean','count'])
sex_sur
image
我在学习分组机制中，惊喜地发现分组机制下的绘图真的很好用。如下绘制了不同舱级下年龄的部分描述性统计结果的柱状图。图的结果意义不大，仅作为演示，这里用到了Ipython中利用魔术命令调用matplotlib库绘图的快捷方法。
%matplotlib inline
my_group1['age'].agg(['mean','std','count','max']).plot(kind='bar')
image
上面介绍了单层的数据分组，通过向groupby函数传递多个列，可以实现多层分组，实现数据透视表功能。这里以舱级（“pclass”）为第一层分组、性别（“sex”）为第二层分组输出分组数据的均值与计数。
my_group2=titanic.groupby(['pclass','sex'])
my_group2.agg(['mean','count'])
image
为了识别的方便，可以自己将agg方法调用的函数重命名为好理解的函数名，以一对圆括号括住 (‘new name’, ‘function’) 便可实现。
my_group2=titanic.groupby(['pclass','sex'])
my_group2.agg([('均值','mean'),('计数','count')])
image
二、填充缺失值
Groupby机制的应用范围很广，接下来我将介绍用其填充缺失值的方法。首先随机生成一个具有缺失值的学生成绩数据。
data=pd.DataFrame({
'name':['Mary','Andy','Bob','Tom','Alice','James','Mike','Lily'],
'sex':['female','female','man','man','female','man','man','female'],
'score':np.random.randn(8)})
data[::2]['score']= np.nan
data
image
1.利用均值填充
面对数据缺失，常用的填充方法是利用均值填充缺失值。
data.groupby('sex').mean()
image
fill_mean = lambda g: g.fillna(g.mean())
data.groupby('sex').apply(fill_mean)
``
2.利用固定值填充
有时候，我们想将不同类的缺失值填充为固定值，就可以这样进行处理。
```python
fill_values = {'female': 0.5, 'man': 0.75}
fill_func = lambda g: g.fillna(fill_values[g.name])
data.groupby('sex').apply(fill_func)
image
Pandas的GroupBy机制的基本介绍就到这里了~
网友评论