Pandas 中的 Groupby 索引列
本教程介紹 Python Pandas 中的 groupby
如何對資料進行分類並將函式應用於類別。使用 groupby()
函式通過示例對 Pandas 中的多個索引列進行分組。
在 Python Pandas 中使用 groupby()
函式按索引列分組
在這篇文章中,Pandas DataFrame data.groupby()
函式根據特定標準將資料分組。Pandas 物件可以沿任意軸分為任意數量的組。
標籤到組名的對映是分組的抽象定義。groupby
操作拆分物件、應用函式並組合結果。
這對於對大量資料進行分組和執行操作很有用。Pandas groupby
預設行為將 groupby
列轉換為索引,並將它們從 DataFrame 的列列表中刪除。
語法:
DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True)
引數:
by |
對映、函式、字串或可迭代物件 |
axis |
整數,預設值 0 |
level |
對於多索引軸,按特定級別或級別(分層)分組。 |
as_index |
作為聚合輸出的索引,返回一個帶有組標籤的物件。這僅適用於 DataFrame 輸入。當 index=False 時,輸出以 SQL 樣式 分組。 |
sort |
應該對組中的鍵進行排序。將其關閉以提高效能。應該注意的是,每組內的觀察順序不受此影響。Groupby 維護每個組內的行順序。 |
group_keys |
呼叫 apply 時將組鍵新增到索引以識別碎片擠壓:如果可能,減少返回型別的維數;否則,返回一致的型別。 |
取一個包含兩列的 DataFrame:date
和 item sell
。Groupby
日期和專案銷售並獲取使用者的逐項計數。
首先,我們需要匯入必要的庫 pandas
和 numpy
,建立三個列 ct
、date
和 item_sell
並將一組值傳遞給這些列。
import pandas as pd
import numpy as np
data = pd.DataFrame()
data['date'] = ['a','a','a','b']
data['item_sell'] = ['z','z','a','a']
data['ct'] = 1
print(data)
輸出:
date item_sell ct
0 a z 1
1 a z 1
2 a a 1
3 b a 1
使用 date
和 item_sell
列進行分組。
import pandas as pd
import numpy as np
data = pd.DataFrame()
data['date'] = ['a','a','a','b']
data['item_sell'] = ['z','z','a','a']
data['ct'] = 1
output = pd.pivot_table(data,values='ct',index=['date','item_sell'],aggfunc=np.sum)
print(output)
輸出:
ct
date item_sell
a a 1
z 2
b a 1
groupby()
by 引數現在可以引用列名稱或索引級別名稱。
import pandas as pd
import numpy as np
arrays = [['rar', 'raz', 'bal', 'bac', 'foa', 'foa', 'qus', 'qus'],
['six', 'seven', 'six', 'seven', 'six', 'seven', 'six', 'seven']]
index = pd.MultiIndex.from_arrays(arrays, names=['first', 'second'])
data = pd.DataFrame({'C': [1, 1, 1, 1, 2, 2, 3, 3],
'D': np.arange(8)}, index=index)
print(data)
輸出:
C D
first second
rar six 1 0
raz seven 1 1
bal six 1 2
bac seven 1 3
foa six 2 4
seven 2 5
qus six 3 6
seven 3 7
按 second
和 C
分組,然後使用 sum
函式計算總和。
import pandas as pd
import numpy as np
arrays = [['rar', 'raz', 'bal', 'bac', 'foa', 'foa', 'qus', 'qus'],
['six', 'seven', 'six', 'seven', 'six', 'seven', 'six', 'seven']]
index = pd.MultiIndex.from_arrays(arrays, names=['first', 'second'])
data = pd.DataFrame({'C': [1, 1, 1, 1, 2, 2, 3, 3],
'D': np.arange(8)}, index=index)
output = data.groupby(['second', 'C']).sum()
print(output)
輸出:
在 Python Pandas 中對 CSV 檔案資料使用 groupby()
函式
現在對 CSV 檔案使用 groupby()
函式。要下載程式碼中使用的 CSV 檔案,請單擊此處([學生在考試中的表現 | Kaggle])。
使用的 CSV 檔案是關於學生表現的。要根據 gender
對資料進行分組,請使用 groupby()
函式。
Python Pandas 庫的 read_csv
函式用於從驅動器中讀取檔案。將檔案儲存在資料變數中。
import pandas as pd
data = pd.read_csv("/content/drive/MyDrive/CSV/StudentsPerformance.csv")
print(data)
輸出:
應用 groupby()
函式。
import pandas as pd
data = pd.read_csv("StudentsPerformance.csv")
std = data.groupby('gender')
print(std.first())
讓我們列印任何組中的值。為此,請使用團隊的名稱。
get_group
函式用於查詢任何組中的條目。找出 female
組中包含的值。
import pandas as pd
data = pd.read_csv("StudentsPerformance.csv")
std = data.groupby('gender')
print(std.get_group('female'))
輸出:
使用 groupby()
函式建立多個類別組。要拆分,請使用多個列。
import pandas as pd
data = pd.read_csv("StudentsPerformance.csv")
std_per = data.groupby(['gender','lunch'])
print(std_per.first())
輸出:
Groupby()
是一個具有多種變體的通用函式。它使得根據某些標準拆分 DataFrame 變得非常簡單和高效。