pandas数据预处理之dataframe的groupby操作方法

在pandas中，GroupBy是一个强有力的函数，可以用于将数据集中的数据按照某些条件分组、并对每个分组应用函数进行操作。这里主要讲解如何使用groupby操作进行数据预处理。

1. 按照单列分组

首先，我们以pandas的经典数据集iris为例，介绍如何按照单列分组。

import pandas as pd
iris = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data", header=None, names=["sepal_l", "sepal_w", "petal_l", "petal_w", "class"])

现在，可以通过以下方式来查看分好的组：

iris_groupby = iris.groupby('class')
iris_groupby.groups
output:
{
    'Iris-setosa': [0, 1, 2, 3, 4, ......, 45], 
    'Iris-versicolor': [46, 47, 48, 49, 50, ......, 95], 
    'Iris-virginica': [96, 97, 98, 99, 100, ......, 145]
}

这样，我们就可以对iris数据集按照class这一列进行分组了。接下来，可以对分好的组进行统计操作。

iris_groupby_first_value = iris_groupby.first()
print(iris_groupby_first_value)
output:
                  sepal_l  sepal_w  petal_l  petal_w
class                                              
Iris-setosa           5.1      3.5      1.4      0.2
Iris-versicolor       7.0      3.2      4.7      1.4
Iris-virginica        6.3      3.3      6.0      2.5

以上，我们的输出结果就是class这一列中每个唯一的值的第一个结果。这里可以看出，groupby可以对每个分组的数据进行操作的。

2. 按照多列分组

同样，对于多列分组，只需要在groupby中添加你所需要分组的列即可。接下来还是以iris数据集为例：

iris_groupby = iris.groupby(["class", "sepal_l"])
iris_groupby_first_value = iris_groupby.first()
print(iris_groupby_first_value)

输出结果如下：

                      sepal_w  petal_l  petal_w
class           sepal_l                          
Iris-setosa     4.3        3.0      1.1      0.1
                4.4        2.9      1.4      0.2
                4.5        2.3      1.3      0.3
                4.6        3.1      1.5      0.2
                4.7        3.2      1.3      0.2
...                       ...      ...      ...
Iris-virginica  7.7        2.6      6.9      2.3
                7.9        3.8      6.4      2.0

上面的代码中，我们使用了两列数据class和sepal_l进行分组，这样就会得到更多你想要的排列组合方式。

总结

上述代码中，对于groupby方法的操作很灵活，具体应该根据实际使用需求来进行。groupby操作本身非常强大，它可以很好的解决数据分组的问题，让数据分析工作更加高效准确。