这篇文章给大家分享的是有关Pandas如何实现分组数据的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。
这种操作在数据科学家和分析师的日常生活中经常执行。Pandas提供了一个基本的函数来执行数据分组，即Groupby。
Groupby操作包括根据特定条件拆分对象，应用函数，然后组合结果。
让我们再看一次贷款预测数据集，假设我想看看给来自不同财产领域的人的平均贷款额，比如农村、半城市和城市。花点时间来理解这个问题陈述并思考如何解决它。
嗯，Pandas的groupby可以非常有效地解决这个问题。首先根据属性区域划分数据。其次，我们将mean()函数应用于每个类别。最后，我们将它们组合在一起，并将其打印为新的数据帧。
#导入数据集
import pandas as pd
df = pd.read_csv('../Data/loan_train.csv')
df.head()
# 男女平均收入
df.groupby(['Gender'])[['ApplicantIncome']].mean()
# 平均贷款金额不同的财产地区，如城市，农村
df.groupby(['Property_Area'])[['LoanAmount']].mean()
# 比较不同教育背景的贷款状况
df.groupby(['Education'])[['Loan_Status']].count()感谢各位的阅读！关于“Pandas如何实现分组数据”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！
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。
