Pandas GroupBy 用法

下面是关于 Pandas GroupBy 的用法完整攻略和实例说明。

简介

Pandas 是一个基于 NumPy 的库，用于数据操作和数据分析。其中，GroupBy 是一种数据聚合/分组操作，用于将数据集按照某些条件分组，并对各组进行操作。GroupBy 分组操作涉及到三个步骤：分组、应用、合并。具体来说，就是：

1. 将数据集按照某些条件分组；
2. 对各组应用一个函数（如聚合、转换、过滤）；
3. 将各组的结果合并成一个数据集。

分组方式

Pandas GroupBy 分组方式有以下几种：

1. 按照某一列分组：groupby(column_name)；
2. 按照多列分组：groupby([column_name_1, column_name_2, ...])；
3. 按照自定义函数分组：groupby(func)。

应用函数

Pandas GroupBy 应用函数有以下几种：

1. 聚合函数：sum、mean、count、max、min、std、var；
2. 转换函数：apply；
3. 过滤函数：filter。

实例说明

下面我们结合一个实例来说明 GroupBy 的用法。假设我们有一个学生数据表格，其中包含学生姓名、性别、年龄和成绩信息。我们要按照性别分组，统计每个性别的平均成绩。

首先，我们需要导入 Pandas 库，并读取数据：

import pandas as pd

# 读取数据文件
df = pd.read_csv('student.csv')

接下来，我们使用 GroupBy 对数据进行分组，并应用聚合函数 mean 进行计算：

# 按照性别分组，并计算平均成绩
grouped = df.groupby('sex')['score'].mean()
print(grouped)

以上代码会输出每个性别对应的平均成绩，如下所示：

sex
F    85.2
M    78.5
Name: score, dtype: float64

其中，sex 列即为分组列，score 列为我们要进行聚合统计的列。mean 函数是聚合函数，用于计算平均值。

我们还可以对多个列进行分组，并同时计算多个聚合函数的值。例如，我们要按照性别和年龄分组，同时统计每个分组中的最高分数和最低分数：

# 按照性别和年龄分组，计算最高分和最低分
grouped = df.groupby(['sex', 'age'])['score'].agg(['max', 'min'])
print(grouped)

以上代码输出的结果如下：

         max  min
sex age          
F   18    98   82
    19    85   65
    20    99   74
    21    90   90
M   18    89   72
    19    80   45
    20    98   81
    21    76   76

其中，agg 函数用于应用多个聚合函数。max 和 min 分别是最大值和最小值函数，用于计算每个分组的最高分数和最低分数。

除了聚合函数之外，我们还可以应用转换函数和过滤函数。例如，我们要过滤掉成绩低于 60 分的学生，然后按照性别分组，计算每个分组中学生的年龄和成绩的标准差：

# 过滤掉成绩低于 60 分的学生，按照性别分组，计算年龄和成绩的标准差
def filter_func(x):
    return x['score'].mean() > 60

def transform_func(x):
    x['score'] = (x['score'] - x['score'].mean()) / x['score'].std()
    return x

filtered = df.groupby('sex').filter(filter_func)
grouped = filtered.groupby('sex').apply(transform_func).groupby('sex')[['age', 'score']].std()
print(grouped)

以上代码输出的结果如下：

          age     score
sex                    
F    0.707107  0.577350
M    1.290994  0.707107

其中，filter 函数用于过滤数据，过滤掉成绩低于 60 分的学生。apply 函数用于应用转换函数，计算每个学生成绩的 z-score（即每个学生的成绩与所有学生成绩的平均值的偏差值），并返回新的数据集。最后，我们再对分组后的数据集应用 std 函数计算每个分组中学生的年龄和成绩的标准差。

以上就是关于 Pandas GroupBy 用法的完整攻略和实例说明。