pandas groupby 用法实例详解

下面就为您详细讲解“pandas groupby 用法实例详解”的完整攻略。

一、pandas groupby 简介

在进行数据分析时，我们常常需要对数据进行分组，然后进行一些统计。这时候就需要用到pandas的groupby函数。

groupby函数主要是将数据分组、处理、汇总的一种技术，可以进行分组统计、变换、筛选、特殊应用等操作。

二、pandas groupby 用法实例详解

首先，我们需要导入pandas库：

import pandas as pd

下面，我们就来介绍几个典型的示例。

1、对分组后的数据进行累加操作

假设我们有如下一个DataFrame：

import pandas as pd

df = pd.DataFrame({
    "A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"],
    "B": ["one", "one", "two", "three", "two", "two", "one", "three"],
    "C": [1, 2, 3, 4, 5, 6, 7, 8],
    "D": [10, 15, 20, 25, 30, 35, 40, 45]
})

print(df)

运行结果如下：

     A      B  C   D
0  foo    one  1  10
1  bar    one  2  15
2  foo    two  3  20
3  bar  three  4  25
4  foo    two  5  30
5  bar    two  6  35
6  foo    one  7  40
7  foo  three  8  45

我们可以对DataFrame按照列"A"进行分组，然后对每个分组进行累加操作，得到如下代码：

df.groupby(["A"]).sum()

运行结果如下：

     C    D
A          
bar  12   75
foo  24  145

2、对分组后的数据进行平均值操作

继续以上述示例为例，我们可以对DataFrame按照列"A"进行分组，然后对每个分组进行平均值操作，得到如下代码：

df.groupby(["A"]).mean()

运行结果如下：

     C      D
A            
bar  4.0  25.00
foo  4.8  29.00

三、总结

通过上述分组操作实例可以看出，pandas的groupby函数是非常方便和强大的，可以实现许多复杂的数据分析操作，能大大提升我们的数据分析效率。