Pandas高级教程之Pandas中的GroupBy操作

GroupBy的概念

在Pandas中，GroupBy的基本概念是将数据划分为不同的组，然后对每一组应用相同的操作。这个过程可以分解为以下几个步骤：

1. 分割：根据一些规则，将数据分成不同的组。
2. 应用：将同一组的数据应用一个函数，以产生一个新的值。
3. 组合：将所有的新值合并成一个新的数据结构。

GroupBy的用法

创建一个GroupBy对象

在Pandas中，可以使用groupby()函数来创建一个GroupBy对象。例如：

import pandas as pd

df = pd.read_csv('sales.csv')

grouped = df.groupby('category')

上面的代码将sales.csv文件中的数据按照category列进行分组，并创建一个GroupBy对象grouped。可以通过查看grouped.groups属性来确认数据是否正确地分组了。

对每一组应用函数

创建了GroupBy对象之后，可以对每一组应用函数。比如，可以对每一组数据进行求和：

import pandas as pd

df = pd.read_csv('sales.csv')

grouped = df.groupby('category')

result = grouped.sum()

上面的代码将每一组的数据求和，并将结果保存在一个新的数据结构中。可以通过调用result.head()方法来查看前几行结果。

可用的聚合函数

对于每一组数据，GroupBy对象可以使用许多不同的聚合函数。以下是一些示例：

• sum()：对每一组数据进行求和。
• mean()：对每一组数据进行求平均数。
• median()：对每一组数据进行求中位数。
• size()：对每一组数据进行计数。
• std()：对每一组数据进行求标准差。
• var()：对每一组数据进行求方差。

示例1

以下是一个示例，展示如何对每一个品牌的产品进行平均价值的计算：

import pandas as pd

df = pd.read_csv('sales.csv')

grouped = df.groupby('brand')

result = grouped['value'].mean()

print(result.head())

上面的代码首先读入sales.csv文件并将其按brand列进行分割，然后使用mean()方法计算value列的平均值。

示例2

以下是一个示例，展示如何对每一个品牌在每个月内的总销售额进行计算：

import pandas as pd

df = pd.read_csv('sales.csv')

df['date'] = pd.to_datetime(df['date'])

df['month'] = df['date'].dt.month

grouped = df.groupby(['brand', 'month'])

result = grouped['sales'].sum()

print(result.head())

上面的代码首先将date列转换成日期格式，并创建一个新的month列，表示每个日期所在的月份。然后将数据按照brand和month列进行分组，并使用sum()方法计算每一组的销售额之和。