《Python數(shù)據(jù)分析極簡(jiǎn)入門》

第2節(jié) 7 Pandas分組聚合

分組聚合（group by）顧名思義就是分2步：

• 先分組：根據(jù)某列數(shù)據(jù)的值進(jìn)行分組。用groupby()對(duì)某列進(jìn)行分組
• 后聚合：將結(jié)果應(yīng)用聚合函數(shù)進(jìn)行計(jì)算。在agg()函數(shù)里應(yīng)用聚合函數(shù)計(jì)算結(jié)果，如sum()、mean()、count()、max()、min()等，用于對(duì)每個(gè)分組進(jìn)行聚合計(jì)算。

import pandas as pd
import numpy as np
import random

df = pd.DataFrame({'A': ['a', 'b', 'a', 'b','a', 'b'],
                   'B': ['L', 'L', 'M', 'N','M', 'M'],
                   'C': [107, 177, 139, 3, 52, 38],
                   'D': [22, 59, 38, 50, 60, 82]})

df

單列分組

① 對(duì)單列分組后應(yīng)用sum聚合函數(shù)

df.groupby('A').sum()

② 對(duì)單列分組后應(yīng)用單個(gè)指定的聚合函數(shù)

df.groupby('A').agg({'C': 'min'}).rename(columns={'C': 'C_min'})

③ 對(duì)單列分組后應(yīng)用多個(gè)指定的聚合函數(shù)

df.groupby(['A']).agg({'C':'max','D':'min'}).rename(columns={'C':'C_max','D':'D_min'})

兩列分組

① 對(duì)多列分組后應(yīng)用sum聚合函數(shù)：

df.groupby(['A', 'B']).sum()

② 對(duì)兩列進(jìn)行group 后，都應(yīng)用max聚合函數(shù)

df.groupby(['A','B']).agg({'C':'max'}).rename(columns={'C': 'C_max'})

③ 對(duì)兩列進(jìn)行分組group 后，分別應(yīng)用max、min聚合函數(shù)

df.groupby(['A','B']).agg({'C':'max','D':'min'}).rename(columns={'C':'C_max','D':'D_min'})

補(bǔ)充1： 應(yīng)用自定義的聚合函數(shù)

df = pd.DataFrame({'A': ['a', 'b', 'a', 'b','a', 'b'],
                   'B': ['L', 'L', 'M', 'N','M', 'M'],
                   'C': [107, 177, 139, 3, 52, 38],
                   'D': [22, 59, 38, 50, 60, 82]})

df

# 使用自定義的聚合函數(shù)計(jì)算每個(gè)分組的最大值和最小值
def custom_agg(x):
    return x.max() - x.min()
result =  df[['B','C']].groupby('B').agg({'C': custom_agg})
result

補(bǔ)充2： 開窗函數(shù)（類似于SQL里面的over partition by）：

使用transform函數(shù)計(jì)算每個(gè)分組的均值

# 使用transform函數(shù)計(jì)算每個(gè)分組的均值
df['B_C_std'] =  df[['B','C']].groupby('B')['C'].transform('mean')
df

補(bǔ)充3： 分組聚合拼接字符串 pandas實(shí)現(xiàn)類似 group_concat 功能

假設(shè)有這樣一個(gè)數(shù)據(jù)：

df = pd.DataFrame({
    '姓名': ['張三', '張三', '張三', '李四', '李四', '李四'],
    '科目': ['語(yǔ)文', '數(shù)學(xué)', '英語(yǔ)', '語(yǔ)文', '數(shù)學(xué)', '英語(yǔ)']
})

df

補(bǔ)充：按某列分組，將另一列文本拼接合并

按名稱分組，把每個(gè)人的科目拼接到一個(gè)字符串：

# 對(duì)整個(gè)group對(duì)象中的所有列應(yīng)用join 連接元素
(df.astype(str)# 先將數(shù)據(jù)全轉(zhuǎn)為字符
.groupby('姓名')# 分組
.agg(lambda x : ','.join(x)))[['科目']]# join 連接元素