TOOLS_Pandas groupby 分组聚合常用方法使用示例
创始人
2024-05-29 16:04:37
0

TOOLS_Pandas groupby 分组聚合常用方法使用示例

  • 根据给定列中的不同值对数据点(行)进行分组;
  • 分组后的数据可以计算生成组的聚合值;

注意:下文仅是常用的一些示例,实际操作时可组合使用的方式要多得多

import pandas as pd
df = pd.read_excel("./工作簿1.xlsx")
df.head()
storeproduct_groupproduct_codestock_qtycostpricelast_week_saleslast_month_sales
0VioletPG14187498420.76569.911358
1RosePG24195473545.64712.411658
2VioletPG24204968640.42854.912288
3DaisyPG14219241869.691034.551445
4DaisyPG24718140112.5426.5950285

n列分组n特征列n聚合

# 单列分组——所有数值型特征列——单聚合
df.groupby("store").mean() # 单列分组——单特征列——单聚合
df.groupby("store")["price"].mean() # 多列分组——多特征列——多聚合
df.groupby(["store","product_group"])[["cost","price"]].agg(["mean","max"]) 
costprice
meanmaxmeanmax
storeproduct_group
DaisyPG1869.69869.691034.551034.55
PG212.5412.5426.5926.59
RosePG2545.64545.64712.41712.41
VioletPG1420.76420.76569.91569.91
PG2640.42640.42854.91854.91

对聚合结果进行命名

df.groupby("store").agg(mean_price = ("price", "mean"),max_price = ("price", "max"),mean_cost =  ("cost", "mean"),max_cost = ("cost", "max"),
)
mean_pricemax_pricemean_costmax_cost
store
Daisy530.571034.55441.115869.69
Rose712.41712.41545.640545.64
Violet712.41854.91530.590640.42

as_index 参数

  • 如果groupby输出的是DataFrame,可以使用该参数将分组的列(默认会被处理为索引列)加入到结果的DataFrame中(转换为特征列);
df.groupby("store", as_index=False).agg(mean_price = ("price", "mean"),max_price = ("price", "max"),mean_cost =  ("cost", "mean"),max_cost = ("cost", "max"),
)
storemean_pricemax_pricemean_costmax_cost
0Daisy530.571034.55441.115869.69
1Rose712.41712.41545.640545.64
2Violet712.41854.91530.590640.42

dropna 参数

groupby函数默认会忽略分组的缺省值:如果用于分组的列中缺少值,那么它将不被包含到任何组中,也不会单独显示;

使用dropna参数可以改变这一行为;

df.loc[5] = [None, "PG2", 1000,120,60,90,15,50]
df.groupby("store", dropna=False)["price"].mean()
store
Daisy     530.57
Rose      712.41
Violet    712.41
NaN        90.00
Name: price, dtype: float64

排序输出

  • 使用sort_values函数根据聚合列多输出进行排序
df.groupby("store", as_index=False).agg(mean_price = ("price", "mean"),max_price = ("price", "max"),mean_cost =  ("cost", "mean"),max_cost = ("cost", "max"),
).sort_values(by="mean_price", ascending=False)
storemean_pricemax_pricemean_costmax_cost
1Rose712.41712.41545.640545.64
2Violet712.41854.91530.590640.42
0Daisy530.571034.55441.115869.69

某一列的Top N

  • max() 取最大值
  • nlargest(N)nsmallest(N) 取前N个最值
df.groupby("store")["price"].max()
df.groupby("store")["price"].nlargest(2)
store    
Daisy   3    1034.554      26.59
Rose    1     712.41
Violet  2     854.910     569.91
Name: price, dtype: float64

第N个值

  • 先排序,再取值
df_sorted = df.sort_values(by=["store","price"], ascending=False, ignore_index=True)
# ignore_index参数,会重置索引# 找到每个分组中的第一个值(按照price倒序,对应的就是每组中price最高的一条记录)
df_sorted.groupby("store", as_index=False).nth(0)# 找到每个分组中的最后一个值(按照price倒序,对应的就是每组中price最低的一条记录)
df_sorted.groupby("store", as_index=False).nth(-1)
storeproduct_groupproduct_codestock_qtycostpricelast_week_saleslast_month_sales
1VioletPG14187498420.76569.911358
2RosePG24195473545.64712.411658
4DaisyPG24718140112.5426.5950285

唯一值、唯一值的数量

  • unique函数 查找每组中的唯一值
  • nunique函数 统计每组中唯一值的数量
df.groupby("store", as_index=False).agg(unique_val = ("product_code", "unique")
)
storeunique_val
0Daisy[4219, 4718]
1Rose[4195]
2Violet[4187, 4204]
df.groupby("store", as_index=False).agg(number_unique_val = ("product_code", "nunique")
)
storenumber_unique_val
0Daisy2
1Rose1
2Violet2

组的个数

# 两列的组合数
df.groupby(["store", "product_group"]).ngroups
5

获取特定分组

asign_pg1 = df.groupby(["store", "product_group"]
).get_group(("Daisy", "PG1"))asign_pg1
storeproduct_groupproduct_codestock_qtycostpricelast_week_saleslast_month_sales
3DaisyPG14219241869.691034.551445

Lambda

  • 在agg函数中使用lambda表达式,自定义聚合操作
df.groupby("store").agg(test_p = ("price", lambda x: round(x.sum()/1000, 1))
)
test_p
store
Daisy1.1
Rose0.7
Violet1.4

apply函数

  • 使用apply函数将Lambda表达式应用到每个组。
  • 例如,我们可以计算每家店利润值;
df.groupby("store").apply(lambda x: (x.price - x.cost).sum()
)
store
Daisy     178.91
Rose      166.77
Violet    363.64
dtype: float64

expanding 函数

import numpy as npdf = pd.DataFrame({"date": pd.date_range(start="2022-08-01", periods=8, freq="D"),"category": list("AAAABBBB"),"value": np.random.randint(10, 30, size=8)}
)
df
datecategoryvalue
02022-08-01A26
12022-08-02A25
22022-08-03A29
32022-08-04A10
42022-08-05B25
52022-08-06B18
62022-08-07B24
72022-08-08B15
# 累计总和
df["cum_sum"] = df.groupby("category")["value"].cumsum()
df
datecategoryvaluecum_sum
02022-08-01A2626
12022-08-02A2551
22022-08-03A2980
32022-08-04A1090
42022-08-05B2525
52022-08-06B1843
62022-08-07B2467
72022-08-08B1582
# expanding函数提供展开转换。但是对于展开以后的操作还是需要一个累计函数来堆区操作
df["cum_sum2"] = df.groupby("category")["value"].expanding().sum().values
df
datecategoryvaluecum_sumcum_sum2
02022-08-01A262626.0
12022-08-02A255151.0
22022-08-03A298080.0
32022-08-04A109090.0
42022-08-05B252525.0
52022-08-06B184343.0
62022-08-07B246767.0
72022-08-08B158282.0

相关内容

热门资讯

莱特光电拟5000万元至1亿元... 4月2日,莱特光电公告,公司拟以集中竞价交易方式回购股份。回购金额不低于5000万元且不超过1亿元;...
丹麦斥资12亿克朗采购攻击无人... 转自:环球网丹麦国防部2日宣布,将投入12亿丹麦克朗(约合1.2亿欧元)采购新一代“单位武器系统”,...
市场监管总局发布(国家标准委)... 经观要闻经济观察网讯 据市场监管总局网站消息,4月2日,市场监管总局发布(国家标准委)《家居产品适老...
实体信贷数据季节性回落 融资需... 来源:@证券市场周刊微博2月金融数据反映需求企稳的逻辑仍待观察,央行通过公开市场操作回收流动性并择机...
小米车主行驶中酣睡引争议,客服... 小米SU7事件调查结果尚未明晰之时,一段小米汽车车主在驾驶途中酣睡的视频又再次将智驾功能推到了风口浪...
共达电声2024年营收12.0... 4月2日,共达电声发布2024年年报。报告显示,公司2024年营业收入为12.08亿元,同比增长21...
张家港行:2024年净利润同比... 中证报中证网讯(王珞)近日,张家港行发布2024年年度报告。2024年,该行以“深耕本土、精准定位”...
A股监管风暴来袭!近期多家上市... 华夏时报(www.chinatimes.net.cn)记者 谢碧鹭 帅可聪 北京报道近年来,“严监管...
凯伦股份拟4.83亿元收购佳智... 4月2日,凯伦股份(维权)(300715)发布公告,公司拟以支付现金方式收购苏州佳智彩光电科技有限公...
李干杰已任中央统战部部长 中共中央统一战线工作部网站更新显示,李干杰现任中央政治局委员、中央书记处书记,中央统战部部长。公开简...
【我们的节日·清明(归途)】安... 转自:荔枝新闻生命一场,当常规的治疗手段已经无法战胜疾病的时候,我们还能做些什么?在可以预见的离场时...
江西赴大湾区推介现代家具产业 ... 来源:中国新闻网 中新网深圳4月2日电 (记者 吴鹏泉)作为2025年江西—粤港澳大湾区经贸活动周专...
杭州银行行长虞利明辞任 董事长... 上证报中国证券网讯(记者黄坤)4月2日,杭州银行发布公告称,虞利明因个人原因辞去公司副董事长、行长等...
南京发布清明节假期天气预测 清明小长假马上到了这次还是“清明时节雨纷纷”吗?先来看看全国清明天气情况南京天气总体晴暖干燥适宜出行...
宝色股份(300402.SZ)... 宝色股份(300402.SZ)发布2024年年度报告,该公司营业收入为17.06亿元,同比增长0.0...
大有能源:2024年度净利润约... 大有能源4月2日晚间发布年度业绩报告称,2024年营业收入约49.3亿元,同比减少15.2%;归属于...
崧盛股份:将持续加大在LED驱... 证券日报网讯崧盛股份4月2日在互动平台回答投资者提问时表示,公司将持续加大在LED驱动电源领域及储能...
A股3200亿医药巨头,任命新...   炒股就看金麒麟分析师研报,权威,专业,及时,全面,助您挖掘潜力主题机会!   去年营收净利刚创...
莱特光电:4月1日召开董事会会... 莱特光电4月2日晚间发布公告称,公司第四届第九次董事会会议于2025年4月1日在公司会议室以现场结合...
华瓷股份:2024年净利润同比... 每经AI快讯,华瓷股份(001216)4月2日晚间发布2024年年度报告,2024年营业收入为13....