python库学习笔记——分组计算利器：pandas中的groupby技术

最近处理数据需要分组计算，又用到了groupby函数，温故而知新。

分组运算的第一阶段，pandas 对象（无论是 Series、DataFrame 还是其他的）中的数据会根据你所提供的一个或多个键被拆分（split）为多组。拆分操作是在对象的特定轴上执行的。例如，DataFrame 可以在其行（axis=0）或列（axis=1）上进行分组。然后，将一个函数应用到各个分组并产生一个新值。最后，所有这些函数的执行结果会被合并到最终的结果对象中。结果对象的形式一般取决于数据上所执行的操作。

举例说明，生成随机DataFrame数据

输入

df = DataFrame({'key1':['a','a','b','b','a'],
                'key2':['one','two','one','two','one'],
                'data1':np.random.randn(5),
                'data2':np.random.randn(5)})

输出df

假设我们想要按 key1 进行分组，并计算 data1 列的平均值。

输入

df['data1'].groupby(df['key1']).mean() or df.groupby('key1')['data1'].mean()

输出

key1
a    0.310092
b   -0.785952
Name: data1, dtype: float64

假设我们想要按 key1 ，key2进行分组，并计算 data1 列的平均值。

输入

df['data1'].groupby([df['key1'],df['key2']]).mean() or df.groupby(['key1','key2'])[['data1']].mean()

输出

key1  key2
a     one    -0.078753
      two     1.087782
b     one    -1.346429
      two    -0.225475
Name: data1, dtype: float64

另外，我们可以对分组进行迭代，以多重键为例：

输入

for name,group in df.groupby('key1'):
    print (name)
    print (group)

输出

a
      data1     data2 key1 key2
0  0.033971  0.066088    a  one
1  1.087782 -0.095748    a  two
4 -0.191477 -0.057805    a  one
b
      data1     data2 key1 key2
2 -1.346429  0.648059    b  one
3 -0.225475  1.440988    b  two

参考资料：《利用python进行数据分析》