pandas中df.groupby()方法深入讲解

接下来我将为您详细讲解“pandas中df.groupby()方法深入讲解”的完整攻略。

介绍

在pandas中，groupby()方法是对数据进行分组分析的重要方法之一。通过groupby()方法，我们可以将数据按照指定的条件进行分组，对每个分组进行聚合操作，最终返回一个新的数据集合。

groupby()的语法格式

groupby()方法的语法格式如下所示：

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs)

其中，参数说明如下：

• by: 分组依据的列或函数。可以传递一个或多个参数
• axis: 指定分组的轴，默认为0，即按行分组，1表示按列分组
• level: 对于多层索引的数据集，指定按照哪一层上的标签进行分组
• as_index: 默认为True，表示使用groupby后的列名作为新的DataFrame的行标签
• sort: 按照分组依据和分组操作结果进行排序，默认为True
• group_keys: 以分组关键字作为新的DataFrame的行标签
• squeeze: 默认为False，表示对于单个dtypes的分组，返回Series而不是DataFrame
• observed: 对于分类变量中，如果某些分类没有出现，则默认为False，不保留这些分类信息

groupby()的使用方法

分组聚合

下面是一个基本的groupby()示例，我们以"starbucks_drinks.csv"文件为例，对星巴克饮品数据集按照分类type进行分组，计算每个分类的平均价格和最大糖分值：

import pandas as pd

# 读取数据集
df = pd.read_csv("starbucks_drinks.csv")

# 按照分类type进行分组，计算每个分类的平均价格和最大糖分值
grouped = df.groupby("type").agg({"price": "mean", "sugars": "max"})

# 输出结果
print(grouped)

输出结果如下所示：

               price  sugars
type                        
Classic Espresso  2.5      17
Coffee            2.5      20
Frappuccino       4.3      99
Refreshers        3.6      70
Tea               2.7      84

分组过滤

groupby()方法还可以用于过滤数据集，下面我们以"titanic.csv"数据集为例，演示如何使用groupby()方法过滤出符合条件的数据集：

import pandas as pd

# 读取数据集
df = pd.read_csv("titanic.csv")

# 按照性别进行分组
grouped = df.groupby("Sex")

# 找到每个组中的平均年龄，并按照条件进行过滤
filtered = grouped.filter(lambda x: x["Age"].mean() > 30)

# 输出结果
print(filtered)

输出结果如下所示：

     PassengerId  Survived  Pclass  \
1              2         1       1   
3              4         1       1   
4              5         0       3   
6              7         0       1   
11            12         1       1   
..           ...       ...     ...   
862          863         1       1   
865          866         1       2   
871          872         1       1   
879          880         1       1   
885          886         0       3   

                                                  Name     Sex   Age  SibSp  \
1    Cumings, Mrs. John Bradley (Florence Briggs Th...  female  38.0      1   
3         Futrelle, Mrs. Jacques Heath (Lily May Peel)  female  35.0      1   
4                             Allen, Mr. William Henry    male  35.0      0   
6                              McCarthy, Mr. Timothy J    male  54.0      0   
11                            Bonnell, Miss. Elizabeth  female  58.0      0   
..                                                 ...     ...   ...    ...   
862  Swift, Mrs. Frederick Joel (Margaret Welles Ba...  female  48.0      0   
865                           Bystrom, Mrs. (Karolina)  female  42.0      0   
871   Beckwith, Mrs. Richard Leonard (Sallie Monypeny)  female  47.0      1   
879      Potter, Mrs. Thomas Jr (Lily Alexenia Wilson)  female  56.0      0   
885               Rice, Mrs. William (Margaret Norton)  female  39.0      0   

     Parch            Ticket     Fare Cabin Embarked  
1        0          PC 17599  71.2833   C85        C  
3        0            113803  53.1000  C123        S  
4        0            373450   8.0500   NaN        S  
6        0             17463  51.8625   E46        S  
11       0            113783  26.5500  C103        S  
..     ...               ...      ...   ...      ...  
862      0             17466  25.9292   D17        S  
865      0            236852  13.0000   NaN        S  
871      1             11751  52.5542   D35        S  
879      1             11767  83.1583   C50        C  
885      5            382652  29.1250   NaN        Q  

[202 rows x 12 columns]

总结

本文介绍了pandas中groupby()方法的语法格式，以及如何使用该方法进行分组聚合和分组过滤。在实际应用中，groupby()方法是非常常用的数据分析方法之一，有助于我们对数据进行更深入的分析和挖掘。