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

北汽福田2024年报解读:净利... 北汽福田汽车股份有限公司(以下简称“北汽福田”或“公司”)近日发布2024年年度报告,各项财务数据变...
原地掉头、蟹行模式、双30英寸... 在刚刚开幕的上海车展上,领克旗下全新大型SUV首发亮相,新车将于晚些的4月28日正式上市。该车基于S...
三千年前,“重要的事情说七遍”... 转自:新华每日电讯“重要的事情说七遍”!四字铭文“实证”北京三千年建城史人们常说“重要的事情说三遍”...
240小时“遇见”广交会,广州... 中国青年报客户端讯(中青报·中青网记者 林洁)4月23至27日,第137届中国进出口商品交易会(以下...
特朗普回应泽连斯基:选择和平,... 此前,泽连斯基称,乌克兰不会在法律上承认(俄方)对克里米亚的占领,表示“在这个问题上没什么好谈”。泽...
迟来的忍者与武士:从《刺客信条... 2025年3月,以古代日本为背景的《刺客信条》系列终于推出正统续作《刺客信条:影》(以下简称《影》)...
通州运河上演时空穿越大戏 【#通州运河上演时空穿越大戏#】#运河上的通州#“通漕天下,开运大吉”,2025大运河文化推广活动于...
同济科技:六大板块业务协同发力... 上证报中国网讯(记者高志刚)4月26日,发布了2024年年报。数据显示,公司全年实现营业收入41.7...
硬派“方盒子”!AI智能四驱、... 日前,我们从上海车展展台获悉,吉利银河战舰将于2026年上市。新车在刚刚开幕的上海车展上正式发布,定...
突然就火了!不少人都买过!看似... 从几百到近万元不等,号称能护眼防近视的“大路灯”值得买吗?近期,“落地护眼灯”受到家长群体的追捧,因...
快评 | 工程院8个名额有深意... 昨天,2025年两院院士增选工作启动。中国工程院明确提出将8个名额主要用于支持民营科技领军企业候选人...
瑞斯康达2024年报解读:经营... 瑞斯康达科技发展股份有限公司于近日发布2024年年度报告,报告期内,公司面临诸多挑战,多项关键财务指...
厦门金龙汽车2025年一季度财... 厦门金龙汽车集团股份有限公司于近日发布2025年第一季度财报,各项财务数据变动引发关注。本文将对关键...
建行深圳分行又一副行长被查! 自2022年以来,建行深圳分行被查的高管干部就有九人,这一切还是由前行长王业开始。作者丨财媒汇· ·...
多地传来好消息!生育津贴直接发... 转自:国家医保局医保部门持续推进生育津贴发放至个人,今年3月份以来,在此前7个省(市)全部实现生育津...
“最好牧场为航天” 67年后她... 转自:草原云2025年4月24日17时17分,内蒙古阿拉善盟额济纳旗的东风航天城,长征二号F遥二十运...
娄底市委书记调整 转自:北京日报客户端据《湖南日报》消息,4月26日,娄底市召开全市领导干部会议,宣布省委有关人事安排...
美国上演罕见一幕:FBI冲进法... 根据美国司法部和联邦调查局通报,当地时间周五联邦特工在密尔沃基县巡回法院逮捕了一名法官,因她涉嫌帮助...
三亚一景区发生游客溺亡事件,官... “古韵崖州”微信公号4月25日,三亚市崖州区旅游工作领导小组办公室发布关于三亚市崖州区某景区游客溺亡...
网警提醒:“银狐”木马病毒再度... 转自:公安部网安局素材 | 天津网警