温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

Pandas中如何使用groupby分组

发布时间:2021-11-30 10:45:14 来源:亿速云 阅读:179 作者:小新 栏目:大数据

这篇文章主要介绍了Pandas中如何使用groupby分组,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。

groupby分组

import pandas as pd
import numpy as np
df=pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
                           'foo', 'bar', 'foo', 'foo'],
                   'B' : ['one', 'one', 'two', 'three',
                          'two', 'two', 'one', 'three'],
                   'C' : np.random.randn(8),
                   'D' : np.random.randn(8)})
print(df)

grouped=df.groupby('A')
print('-'*30)
print(grouped.count())
print('-'*30)
grouped=df.groupby(['A','B'])
print(grouped.count())


print('-'*30)
# 通过函数分组
def get_letter_type(letter):
    if letter.lower() in 'aeiou':
        return 'a'
    else:
        return 'b'

grouped=df.groupby(get_letter_type,axis=1)
print(grouped.count())
     A      B         C         D
0  foo    one  1.429387  0.643569
1  bar    one -0.858448 -0.213034
2  foo    two  0.375644  0.214584
3  bar  three  0.042284 -0.330481
4  foo    two -1.421967  0.768176
5  bar    two  1.293483 -0.399003
6  foo    one -1.101385 -0.236341
7  foo  three -0.852603 -1.718694
------------------------------
     B  C  D
A           
bar  3  3  3
foo  5  5  5
------------------------------
           C  D
A   B          
bar one    1  1
    three  1  1
    two    1  1
foo one    2  2
    three  1  1
    two    2  2
------------------------------
   a  b
0  1  3
1  1  3
2  1  3
3  1  3
4  1  3
5  1  3
6  1  3
7  1  3
se=pd.Series([1,2,3,4,5],[6,9,8,9,8])
print(se)

se.groupby(level=0)
6    1
9    2
8    3
9    4
8    5
dtype: int64





<pandas.core.groupby.generic.SeriesGroupBy object at 0x111b00040>
# 分组求和
grouped=se.groupby(level=0).sum()
print(grouped)
6    1
8    8
9    6
dtype: int64
df2=pd.DataFrame({'X':['A','B','A','B'],'Y':[1,2,3,4]})
print(df2)
   X  Y
0  A  1
1  B  2
2  A  3
3  B  4
# 按X分组,并查询A列的数据
grp=df2.groupby('X').get_group('A')
print(grp)
   X  Y
0  A  1
2  A  3

Pandas 多级索引

arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
          ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
index=pd.MultiIndex.from_arrays(arrays,names=['first','second'])
print(index)
MultiIndex([('bar', 'one'),
            ('bar', 'two'),
            ('baz', 'one'),
            ('baz', 'two'),
            ('foo', 'one'),
            ('foo', 'two'),
            ('qux', 'one'),
            ('qux', 'two')],
           names=['first', 'second'])
s=pd.Series(np.random.randn(8),index=index)
print(s)
first  second
bar    one       0.120979
       two      -0.440384
baz    one       0.515106
       two      -0.019882
foo    one       1.149595
       two      -0.369984
qux    one      -0.930438
       two       0.146044
dtype: float64
# 分组求和
grouped=s.groupby(level='first')
print(grouped.sum())
first
bar   -0.319405
baz    0.495224
foo    0.779611
qux   -0.784394
dtype: float64
grouped=df.groupby(['A','B'])
print(grouped.size())
A    B    
bar  one      1
     three    1
     two      1
foo  one      2
     three    1
     two      2
dtype: int64
print(df)
     A      B         C         D
0  foo    one  1.429387  0.643569
1  bar    one -0.858448 -0.213034
2  foo    two  0.375644  0.214584
3  bar  three  0.042284 -0.330481
4  foo    two -1.421967  0.768176
5  bar    two  1.293483 -0.399003
6  foo    one -1.101385 -0.236341
7  foo  three -0.852603 -1.718694
print(grouped.describe().head())
              C                                                              \
          count      mean       std       min       25%       50%       75%   
A   B                                                                         
bar one     1.0 -0.858448       NaN -0.858448 -0.858448 -0.858448 -0.858448   
    three   1.0  0.042284       NaN  0.042284  0.042284  0.042284  0.042284   
    two     1.0  1.293483       NaN  1.293483  1.293483  1.293483  1.293483   
foo one     2.0  0.164001  1.789526 -1.101385 -0.468692  0.164001  0.796694   
    three   1.0 -0.852603       NaN -0.852603 -0.852603 -0.852603 -0.852603   

                        D                                                    \
                max count      mean       std       min       25%       50%   
A   B                                                                         
bar one   -0.858448   1.0 -0.213034       NaN -0.213034 -0.213034 -0.213034   
    three  0.042284   1.0 -0.330481       NaN -0.330481 -0.330481 -0.330481   
    two    1.293483   1.0 -0.399003       NaN -0.399003 -0.399003 -0.399003   
foo one    1.429387   2.0  0.203614  0.622191 -0.236341 -0.016364  0.203614   
    three -0.852603   1.0 -1.718694       NaN -1.718694 -1.718694 -1.718694


75% max
A B
bar one -0.213034 -0.213034
three -0.330481 -0.330481
two -0.399003 -0.399003
foo one 0.423592 0.643569
three -1.718694 -1.718694

grouped=df.groupby('A')
grouped['C'].agg([np.sum,np.mean,np.std])

<div> <style scoped> .dataframe tbody tr th:only-of-type { vertical-align: middle; }

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style> <table border="1" class="dataframe"> <thead> <tr > <th></th> <th>sum</th> <th>mean</th> <th>std</th> </tr> <tr> <th>A</th> <th></th> <th></th> <th></th> </tr> </thead> <tbody> <tr> <th>bar</th> <td>0.477319</td> <td>0.159106</td> <td>1.080712</td> </tr> <tr> <th>foo</th> <td>-1.570925</td> <td>-0.314185</td> <td>1.188767</td> </tr> </tbody> </table> </div>

字符串操作

import pandas as pd
import numpy as np
s=pd.Series(['A','b','c','D',np.nan])
print(s)
# 转小写
print(s.str.lower())

# 转大写
print(s.str.upper())

# 每个字符的长度
print(s.str.len())
0      A
1      b
2      c
3      D
4    NaN
dtype: object
0      a
1      b
2      c
3      d
4    NaN
dtype: object
0      A
1      B
2      C
3      D
4    NaN
dtype: object
0    1.0
1    1.0
2    1.0
3    1.0
4    NaN
dtype: float64
index=pd.Index([' Index','ru ',' men'])

# 去掉空格
print(index.str.strip())

# 去掉左边的空格
print(index.str.lstrip())
# 去掉右边的空格
print(index.str.rstrip())
Index(['Index', 'ru', 'men'], dtype='object')
Index(['Index', 'ru ', 'men'], dtype='object')
Index([' Index', 'ru', ' men'], dtype='object')
df=pd.DataFrame(np.random.randn(3,2),columns=['A a','B b'],index=range(3))
print(df)
        A a       B b
0  3.005273  0.486696
1  1.093889  1.054230
2 -2.846352  0.302465
# 列替换
print(df.columns.str.replace(' ','_'))
Index(['A_a', 'B_b'], dtype='object')
s=pd.Series(['a_b_C','c_d_e','f_g_h'])
print(s)
0    a_b_C
1    c_d_e
2    f_g_h
dtype: object
print(s.str.split('_'))
0    [a, b, C]
1    [c, d, e]
2    [f, g, h]
dtype: object
print(s.str.split('_',expand=True,n=1))
   0    1
0  a  b_C
1  c  d_e
2  f  g_h
s = pd.Series(['A','rumen','ru','rumen','xiao','zhan'])
print(s.str.contains('ru'))
0    False
1     True
2     True
3     True
4    False
5    False
dtype: bool
s=pd.Series(['a','a|b','a|c'])
print(s)
0      a
1    a|b
2    a|c
dtype: object
print(s.str.get_dummies(sep='|'))
   a  b  c
0  1  0  0
1  1  1  0
2  1  0  1

索引

s=pd.Series(np.arange(5),np.arange(5)[::-1],dtype='int64')
s
4    0
3    1
2    2
1    3
0    4
dtype: int64
print(s[s>2])
1    3
0    4
dtype: int64
# isin查询索引在某个范围
print(s.isin([1,3,4]))
4    False
3     True
2    False
1     True
0     True
dtype: bool
# 根据索引查询数据
print(s[s.isin([1,3,4])])
3    1
1    3
0    4
dtype: int64
# 构造一个联合索引的数据
s=pd.Series(np.arange(6),index=pd.MultiIndex.from_product([[1,2],['a','b','c']]))
print(s)
1  a    0
   b    1
   c    2
2  a    3
   b    4
   c    5
dtype: int64
print(s.iloc[s.index.isin([(1,'b'),(2,'c')])])
1  b    1
2  c    5
dtype: int64
# 构造一个时间序列
dates=pd.date_range('20200920',periods=8)
print(dates)
DatetimeIndex(['2020-09-20', '2020-09-21', '2020-09-22', '2020-09-23',
               '2020-09-24', '2020-09-25', '2020-09-26', '2020-09-27'],
              dtype='datetime64[ns]', freq='D')
df=pd.DataFrame(np.random.randn(8,4),index=dates,columns=['A','B','C','D'])
print(df)
                   A         B         C         D
2020-09-20 -1.218522  2.067088  0.015009  0.158780
2020-09-21 -0.546837 -0.601178 -0.894882  0.172037
2020-09-22  0.189848 -0.910520  0.196186 -0.073495
2020-09-23 -0.566892  0.899193 -0.450925  0.633253
2020-09-24  0.038838  1.577004  0.580927  0.609050
2020-09-25  1.562094  0.020813 -0.618859 -0.515212
2020-09-26 -1.333947  0.275765  0.139325  1.124207
2020-09-27 -1.271748  1.082302  1.036805 -1.041206
# 查询A列数据
print(df['A'])
2020-09-20   -1.218522
2020-09-21   -0.546837
2020-09-22    0.189848
2020-09-23   -0.566892
2020-09-24    0.038838
2020-09-25    1.562094
2020-09-26   -1.333947
2020-09-27   -1.271748
Freq: D, Name: A, dtype: float64
# 查询小于0的数字,大于0的值默认被置为NaN
df.where(df<0)

<div> <style scoped> .dataframe tbody tr th:only-of-type { vertical-align: middle; }

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style> <table border="1" class="dataframe"> <thead> <tr > <th></th> <th>A</th> <th>B</th> <th>C</th> <th>D</th> </tr> </thead> <tbody> <tr> <th>2020-09-20</th> <td>-1.218522</td> <td>NaN</td> <td>NaN</td> <td>NaN</td> </tr> <tr> <th>2020-09-21</th> <td>-0.546837</td> <td>-0.601178</td> <td>-0.894882</td> <td>NaN</td> </tr> <tr> <th>2020-09-22</th> <td>NaN</td> <td>-0.910520</td> <td>NaN</td> <td>-0.073495</td> </tr> <tr> <th>2020-09-23</th> <td>-0.566892</td> <td>NaN</td> <td>-0.450925</td> <td>NaN</td> </tr> <tr> <th>2020-09-24</th> <td>NaN</td> <td>NaN</td> <td>NaN</td> <td>NaN</td> </tr> <tr> <th>2020-09-25</th> <td>NaN</td> <td>NaN</td> <td>-0.618859</td> <td>-0.515212</td> </tr> <tr> <th>2020-09-26</th> <td>-1.333947</td> <td>NaN</td> <td>NaN</td> <td>NaN</td> </tr> <tr> <th>2020-09-27</th> <td>-1.271748</td> <td>NaN</td> <td>NaN</td> <td>-1.041206</td> </tr> </tbody> </table> </div>

# 查询小于0的数字,大于0的值变成负数
print(df.where(df<0,-df))
                   A         B         C         D
2020-09-20 -1.218522 -2.067088 -0.015009 -0.158780
2020-09-21 -0.546837 -0.601178 -0.894882 -0.172037
2020-09-22 -0.189848 -0.910520 -0.196186 -0.073495
2020-09-23 -0.566892 -0.899193 -0.450925 -0.633253
2020-09-24 -0.038838 -1.577004 -0.580927 -0.609050
2020-09-25 -1.562094 -0.020813 -0.618859 -0.515212
2020-09-26 -1.333947 -0.275765 -0.139325 -1.124207
2020-09-27 -1.271748 -1.082302 -1.036805 -1.041206
# 查询小于0的数据,大于0的置为1000
print(df.where(df<0,1000))
                      A            B            C            D
2020-09-20    -1.218522  1000.000000  1000.000000  1000.000000
2020-09-21    -0.546837    -0.601178    -0.894882  1000.000000
2020-09-22  1000.000000    -0.910520  1000.000000    -0.073495
2020-09-23    -0.566892  1000.000000    -0.450925  1000.000000
2020-09-24  1000.000000  1000.000000  1000.000000  1000.000000
2020-09-25  1000.000000  1000.000000    -0.618859    -0.515212
2020-09-26    -1.333947  1000.000000  1000.000000  1000.000000
2020-09-27    -1.271748  1000.000000  1000.000000    -1.041206
# 构造一个10行3列的数据
df=pd.DataFrame(np.random.randn(10,3),columns=list('abc'))
print(df)
          a         b         c
0  1.761415  0.528009 -0.347271
1 -0.682149  0.353312  0.337229
2  1.080733 -0.272290  1.020335
3 -0.979681 -1.753745  0.836387
4  0.243748  2.085531 -0.993318
5 -1.041006  1.518130 -0.087383
6 -1.400354 -0.095196  3.043639
7 -0.835144  0.926415 -1.217102
8  0.326098  1.079906  0.156884
9  1.836618 -1.288516 -2.492620
# 查询a>b的数据
print(df.query('a>b'))
          a         b         c
0  1.761415  0.528009 -0.347271
2  1.080733 -0.272290  1.020335
3 -0.979681 -1.753745  0.836387
9  1.836618 -1.288516 -2.492620
# 查询c>b>a的数据
print(df.query('(c<b) & (b<a)'))
          a         b         c
0  1.761415  0.528009 -0.347271
9  1.836618 -1.288516 -2.492620

感谢你能够认真阅读完这篇文章,希望小编分享的“Pandas中如何使用groupby分组”这篇文章对大家有帮助,同时也希望大家多多支持亿速云,关注亿速云行业资讯频道,更多相关知识等着你来学习!

向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI