Python Pandas分组聚合的实现方法

Python  /  管理员 发布于 7年前   168

Pycharm 鼠标移动到函数上，CTRL+Q可以快速查看文档，CTR+P可以看基本的参数。

apply(),applymap()和map()

apply()和applymap()是DataFrame的函数，map()是Series的函数。

apply()的操作对象是DataFrame的一行或者一列数据，applymap()是DataFrame的每一个元素。map()也是Series中的每一个元素。

apply()对dataframe的内容进行批量处理, 这样要比循环来得快。如df.apply(func,axis=0,.....) func：定义的函数，axis=0时为对列操作，=1时为对行操作。

map()和python内建的没啥区别，如df['one'].map(sqrt)。

import numpy as npfrom pandas import Series, DataFrame frame = DataFrame(np.random.randn(4, 3),         columns = list('bde'),         index = ['Utah', 'Ohio', 'Texas', 'Oregon'])print frameprint np.abs(frame)print f = lambda x: x.max() - x.min()print frame.apply(f)print frame.apply(f, axis = 1)def f(x):  return Series([x.min(), x.max()], index = ['min', 'max'])print frame.apply(f)print print 'applymap和map'_format = lambda x: '%.2f' % xprint frame.applymap(_format)print frame['e'].map(_format) 

Groupby

Groupby是Pandas中最为常用和有效的分组函数，有sum()、count()、mean()等统计函数。

groupby 方法返回的 DataFrameGroupBy 对象实际并不包含数据内容，它记录的是df['key1'] 的中间数据。当你对分组数据应用函数或其他聚合运算时，pandas 再依据 groupby 对象内记录的信息对 df 进行快速分块运算，并返回结果。

df = DataFrame({'key1': ['a', 'a', 'b', 'b', 'a'],        'key2': ['one', 'two', 'one', 'two', 'one'],        'data1': np.random.randn(5),        'data2': np.random.randn(5)})grouped = df.groupby(df['key1'])print grouped.mean() df.groupby(lambda x:'even' if x%2==0 else 'odd').mean() #通过函数分组 

聚合agg()

对于分组的某一列(行)或者多个列(行，axis=0/1)，应用agg(func)可以对分组后的数据应用func函数。例如：用grouped['data1'].agg('mean')也是对分组后的'data1'列求均值。当然也可以同时作用于多个列(行)和使用多个函数上。

df = DataFrame({'key1': ['a', 'a', 'b', 'b', 'a'],        'key2': ['one', 'two', 'one', 'two', 'one'],        'data1': np.random.randn(5),        'data2': np.random.randn(5)})grouped = df.groupby('key1')print grouped.agg('mean')      data1   data2key1          a   0.749117 0.220249b  -0.567971 -0.126922 

apply()和agg()功能上差不多,apply()常用来处理不同分组的缺失数据的填充和top N的计算，会产生层级索引。

而agg可以同时传入多个函数，作用于不同的列。

df = DataFrame({'key1': ['a', 'a', 'b', 'b', 'a'],        'key2': ['one', 'two', 'one', 'two', 'one'],        'data1': np.random.randn(5),        'data2': np.random.randn(5)})grouped = df.groupby('key1')print grouped.agg(['sum','mean'])print grouped.apply(np.sum)  #apply的在这里同样适用，只是不能传入多个,这两个函数基本是可以通用的。 

         data1               data2         
           sum      mean       sum      mean
key1                                       
a     2.780273  0.926758 -1.561696 -0.520565
b    -0.308320 -0.154160 -1.382162 -0.691081

         data1     data2 key1       key2
key1                                   
a     2.780273 -1.561696  aaa  onetwoone
b    -0.308320 -1.382162   bb     onetwo

apply和agg功能上基本是相近的，但是多个函数的时候还是agg比较方便。

apply本身的自由度很高，如果分组之后不做聚合操作紧紧是一些观察的时候，apply就有用武之地了。

print grouped.apply(lambda x: x.describe())         data1   data2key1 a  count 3.000000 3.000000   mean -0.887893 -1.042878   std  0.777515 1.551220   min  -1.429440 -2.277311   25%  -1.333350 -1.913495   50%  -1.237260 -1.549679   75%  -0.617119 -0.425661   max  0.003021 0.698357b  count 2.000000 2.000000   mean -0.078983 0.106752   std  0.723929 0.064191   min  -0.590879 0.061362   25%  -0.334931 0.084057   50%  -0.078983 0.106752   75%  0.176964 0.129447   max  0.432912 0.152142 

此外apply还能改变返回数据的维度。

http://pandas.pydata.org/pandas-docs/stable/groupby.html

此外还有透视表pivot_table ，交叉表crosstab ，但是我没用过。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。