pandas 对group进行聚合的例子

下面是关于pandas对group进行聚合的例子的完整攻略：

什么是groupby

在pandas中，可以通过groupby来将数据分组并按组进行聚合操作。这个功能类似于SQL中的GROUP BY操作。

聚合函数

在进行分组聚合操作时，需要使用聚合函数，常见的聚合函数有mean, sum, max, min, count, median等。

示例1

我们可以通过一个示例来演示groupby的使用方法。下面是代码：

import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 以gender为分组依据，计算salary的平均值
grouped_data = data.groupby('gender')['salary'].mean()
print(grouped_data)

这里的data.csv是一个包含员工信息的数据文件，其中包含了每个员工的性别（gender）和工资（salary）信息。上面的代码实现了将数据按照性别进行分组，并计算每个分组中工资的平均值。输出结果为：

gender
F    2852.0
M    3580.0
Name: salary, dtype: float64

这个结果告诉我们，女性员工的平均工资为2852元，男性员工的平均工资为3580元。

示例2

我们还可以进行更加复杂的聚合操作，比如实现统计不同部门中男女员工的工资情况。下面是相应的代码：

import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 以gender, department为分组依据，计算salary的平均值和总数
grouped_data = data.groupby(['gender', 'department'])['salary'].agg({'mean_salary': 'mean', 'count_salary': 'count'})
print(grouped_data)

这里agg函数可以同时计算多个聚合函数，其结果会存储在多层的列中。输出的结果如下：

                      mean_salary  count_salary
gender department                             
F      finance            2752.0             1
       sales              2952.0             2
       technology         2852.0             2
M      finance            3880.0             1
       sales              3409.0             2
       technology         4000.0             1

这个结果告诉我们，对于每个部门和性别组合，可以分别计算他们的平均工资和员工总数。

以上就是Pandas对group进行聚合的示例攻略，希望对你有帮助。