用Pandas进行分组和聚合

Pandas是Python中一个强大的数据处理库，可以对各种形式的数据进行分组聚合。下面我们就详细讲解用Pandas进行分组和聚合。

分组(groupby)

groupby是Pandas中常用的一个函数，用于按照一个或多个列的值进行分组。groupby函数返回一个分组对象，可以对其进行聚合操作。

按单个列分组

下面是一个例子，我们按照“城市”这一列进行分组：

import pandas as pd

df = pd.DataFrame({
    '城市': ['北京', '上海', '广州', '深圳', '北京', '上海'],
    '销售额': [100, 200, 150, 120, 180, 300],
    '利润': [20, 40, 30, 25, 30, 50]
  })

grouped = df.groupby('城市')

我们可以对分组对象进行聚合操作，例如对每个城市的销售额求和：

grouped['销售额'].sum()

按多个列分组

我们也可以按照多个列进行分组，只需要在groupby函数中传入多个列即可：

grouped = df.groupby(['城市', '利润'])

自定义分组函数

我们还可以自定义一个函数，将其传入groupby函数中，实现自定义的分组方式。例如下面的例子，我们定义一个将销售额大于200的行归为一组，其他行归为一组的分组函数：

def group_sales(x):
    if x['销售额'] > 200:
        return '高销售额商品'
    else:
        return '低销售额商品'

df['销售额分组'] = df.apply(group_sales, axis=1)

grouped = df.groupby('销售额分组')

聚合(agg)

对于分组对象，我们还可以对其进行聚合操作。Pandas提供了许多聚合函数，例如对每个分组的销售额求和、平均值、最大值等等。

常用的聚合函数

下面是一些常用的聚合函数及其使用方法：

• sum()：求和

grouped['销售额'].sum()

• mean()：求均值

grouped['销售额'].mean()

• max()：求最大值

grouped['销售额'].max()

• min()：求最小值

grouped['销售额'].min()

• count()：计数

grouped['销售额'].count()

• size()：返回分组后每个组的大小

grouped.size()

对多个列进行聚合

我们可以对分组后的结果同时对多个列进行聚合：

grouped['销售额', '利润'].sum()

对分组后的结果进行二次分组

我们还可以对分组后的结果再进行二次分组。例如下面的例子，我们按照“城市”和“销售额分组”列进行分组：

grouped = df.groupby(['城市', '销售额分组'])

result = grouped['销售额'].sum()

总结

Pandas的分组和聚合功能可以帮助我们很方便地对数据进行整理和统计。在实际工作中，我们经常需要按照一定的规则分组并进行各种聚合操作，Pandas提供了丰富的功能，可以帮助我们轻松实现。