Pandas分组与排序的实现

技术  /  管理员 发布于 7年前   344

一、pandas分组

1、分组运算过程：split->apply->combine

• 拆分：进行分组的根据
• 应用：每个分组运行的计算规则
• 合并：把每个分组的计算结果合并起来

2、分组函数

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs

by： 依据哪些列进行分组，值可以是：mapping, function, label, or list of labels

3、聚合函数

4、分组聚合实例

单列分组

>>> import pandas as pd>>> df = pd.DataFrame({'A': ['a', 'b', 'a', 'c', 'a', 'c', 'b', 'c'], 'B': [2, 8, 1, 4,3, 2, 5, 9], 'C': [102, 98, 107, 104, 115, 87, 92, 123], 'D': [2, 98, 17, 14, 15, 7, 92, 13]})>>> df  A B  C  D0 a 2 102  21 b 8  98 982 a 1 107 173 c 4 104 144 a 3 115 155 c 2  87  76 b 5  92 927 c 9 123 13>>> df.groupby(by='A').sum()  B  C  DAa  6 324  34b 13 190 190c 15 314  34

多列分组

>>> df.groupby(by=['A','B']).sum()       ###A,B成索引    C  DA Ba 1 107 17 2 102  2 3 115 15b 5  92 92 8  98 98c 2  87  7 4 104 14 9 123 13

多列聚合

>>> df.groupby(by=['A','B'])['C'].sum()   ###1个列A Ba 1  107  2  102  3  115b 5   92  8   98c 2   87  4  104  9  123 >>> df.groupby(by=['A','B'])['C','D'].sum()  ###2个列    C  DA Ba 1 107 17 2 102  2 3 115 15b 5  92 92 8  98 98c 2  87  7 4 104 14 9 123 13

多列不同聚合方式

>>> import numpy as np>>> df.groupby(by=['A']).agg({'C':[np.mean, 'sum'], 'D':['count',np.std]})      C     D     mean sum count    stdAa 108.000000 324   3 8.144528b  95.000000 190   2 4.242641c 104.666667 314   3 3.785939  >>>ps: 不同列使用多个不同函数进行聚合C： mean，sum；D：count，std

返回值类型区别

方法1：agg>>> df.groupby(by=['A']).agg({'C':[np.mean]})      C     meanAa 108.000000b  95.000000c 104.666667>>> type(df.groupby(by=['A']).agg({'C':[np.mean]}))<class 'pandas.core.frame.DataFrame'>  方法2：索引>>> df.groupby(by=['A'])['C'].mean()Aa  108.000000b   95.000000c  104.666667Name: C, dtype: float64>>> type(df.groupby(by=['A'])['C'].mean())<class 'pandas.core.series.Series'>   总结： 两种方法结果一样，但是一个类型是DataFrame,一个为Series；有时候会用上

二、pandas排序

按索引进行降序排列

>>> df  A B  C  D0 a 2 102  21 b 8  98 982 a 1 107 173 c 4 104 144 a 3 115 155 c 2  87  76 b 5  92 927 c 9 123 13>>> df.sort_index(ascending=False)    ### 索引  A B  C  D7 c 9 123 136 b 5  92 925 c 2  87  74 a 3 115 153 c 4 104 142 a 1 107 171 b 8  98 980 a 2 102  2

按值进行降序排列

>>> df.sort_values(by="A",ascending=False)    # 按某一列  A B  C  D3 c 4 104 145 c 2  87  77 c 9 123 131 b 8  98 986 b 5  92 920 a 2 102  22 a 1 107 174 a 3 115 15 >>> df.sort_values(by=["B","A"],ascending=False)  # 按2列  A B  C  D7 c 9 123 131 b 8  98 986 b 5  92 923 c 4 104 144 a 3 115 155 c 2  87  70 a 2 102  22 a 1 107 17

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。