通過(guò)groupby方法將數(shù)據(jù)拆分成組

通過(guò)groupby()方法

將數(shù)據(jù)拆分成組教師：亢華愛(ài)北京信息職業(yè)技術(shù)學(xué)院商務(wù)數(shù)據(jù)分析與應(yīng)用專業(yè)教學(xué)資源庫(kù)目錄Contents通過(guò)Series對(duì)象進(jìn)行分組通過(guò)列名進(jìn)行分組通過(guò)字典進(jìn)行分組通過(guò)函數(shù)進(jìn)行分組通過(guò)groupby()方法將數(shù)據(jù)拆分成組在Pandas中，可以通過(guò)groupby()方法將數(shù)據(jù)集按照某些標(biāo)準(zhǔn)劃分成若干個(gè)組，該方法的語(yǔ)法格式如下：groupby(by=None，axis=0，level=None，as_index=True，sort=True，group_keys=True，squeeze=False，observed=False，**kwargs)通過(guò)groupby()方法將數(shù)據(jù)拆分成組部分參數(shù)表示的含義如下：(5)sort：表示是否對(duì)分組標(biāo)簽進(jìn)行排序，接收布爾值，默認(rèn)為T(mén)rue。(1)by：用于確定進(jìn)行分組的依據(jù)。(2)axis：表示分組軸的方向，可以為0(表示按行)或1(表示按列)，默認(rèn)為0。(3)level：如果某個(gè)軸是一個(gè)Multilndex對(duì)象(索引層次結(jié)構(gòu))，則會(huì)按特定

級(jí)別或多個(gè)級(jí)別分組。(4)as_index:表示聚合后的數(shù)據(jù)是否以組標(biāo)簽作為索引的DataFrame對(duì)象

輸出，接收布爾值，默認(rèn)為T(mén)rue。通過(guò)groupby()方法將數(shù)據(jù)拆分成組該對(duì)象實(shí)際上并沒(méi)有進(jìn)行任何計(jì)算只是包含一些關(guān)于分組鍵(比如df_obj['keyl'])的中間數(shù)據(jù)而已groupby()方法返回一個(gè)GroupBy對(duì)象Series調(diào)用groupby()方法返回SeriesGroupBy對(duì)象DataFrame調(diào)用groupby()方法返回DataFrameBy對(duì)象通過(guò)groupby()方法將數(shù)據(jù)拆分成組列表或數(shù)組，其長(zhǎng)度必須與待分組的軸一樣在進(jìn)行分組時(shí)，可以通過(guò)groupby()方法的by參數(shù)來(lái)指定按什么標(biāo)準(zhǔn)分組，by參數(shù)可以接收的數(shù)據(jù)有多種形式，類型也不必相同，常用的分組方式主要有以下4種：函數(shù)，用于處理軸索引或索引中的各個(gè)標(biāo)簽Dataframe對(duì)象中某列的名稱字典或Series對(duì)象，給出待分組軸上的值與分組名稱之間的對(duì)應(yīng)關(guān)系1PART通過(guò)列名進(jìn)行分組In[1]:importpandasaspddf=pd.DataFrame({''Key'':['C'，'B'，'C'，'A'，'B'，'B'，'A'，'C'，'A']，''Data''：[2，4，6，8，10，1，14，16，18]})dfOut[1]:KeyData0 C 21 B 42 C 63 A 84 B 105 B 16 A 147 C 168 A 18通過(guò)列名進(jìn)行分組在Pandas對(duì)象中，如果它的某一列數(shù)據(jù)滿足不同的劃分標(biāo)準(zhǔn)，則可以將該列當(dāng)做分組鍵來(lái)拆分?jǐn)?shù)據(jù)集。例：創(chuàng)建一個(gè)DataFrame對(duì)象，具體代碼如下：In[2]:#按Key列進(jìn)行分組df.groupby(by='Key')Out[2]:<pandas.core.groupby.groupby.DataFrameGroupByobjectat0x00000000Q6E274A8>通過(guò)列名進(jìn)行分組從輸出的結(jié)果可以看出，DataFrame經(jīng)過(guò)分組后得到了一個(gè)DataFrameGroupBy對(duì)象，該對(duì)象是一個(gè)可迭代的對(duì)象，即只有在真正需要的時(shí)候才會(huì)執(zhí)行計(jì)算(采用惰性計(jì)算)。在Pandas對(duì)象中，如果它的某一列數(shù)據(jù)滿足不同的劃分標(biāo)準(zhǔn)，則可以將該列當(dāng)做分組鍵來(lái)拆分?jǐn)?shù)據(jù)集。例：創(chuàng)建一個(gè)DataFrame對(duì)象，具體代碼如下：如果要查看每個(gè)分組的具體內(nèi)容，則可以使用for循環(huán)遍歷DataFrameGroupBy對(duì)象通過(guò)列名進(jìn)行分組例：在上述示例代碼的基礎(chǔ)上，使用一個(gè)變量接收返回的DataFrameGroupBy對(duì)象，之后用for循環(huán)進(jìn)行遍歷，示例代碼如下：In[3]:group_obj=df.groupby('Key')#遍歷分組對(duì)象foriingroup_obj:print(i)#輸出結(jié)果('A'， Key Data3 A 86 A 148A 18)('B'， Key Data1 B 44 B 105 B 1)('C'， KeyData0 C 22 C 67 C 16)通過(guò)列名進(jìn)行分組上述示例中，調(diào)用groupby()方法讓df對(duì)象按分組鍵Key對(duì)應(yīng)的一列數(shù)據(jù)進(jìn)行分組，這表明（其劃分標(biāo)準(zhǔn)）一旦發(fā)現(xiàn)該列中存在相同的數(shù)據(jù)，就把其所在的一行從整個(gè)df對(duì)象中拆分出來(lái)，與其他具有相同鍵的數(shù)據(jù)組合在一起In[3]:group_obj=df.groupby('Key')#遍歷分組對(duì)象foriingroup_obj:print(i)通過(guò)列名進(jìn)行分組上述示例輸出了三個(gè)元組，每個(gè)元組的第一個(gè)元素為該組的名稱（Key列的數(shù)據(jù)），第二個(gè)元素為該組的具體數(shù)據(jù)。In[3]:group_obj=df.groupby('Key')#遍歷分組對(duì)象foriingroup_obj:print(i)('A'， Key Data3 A 86 A 14A 18)('B'， Key Data1 B 44 B 105 B 1)('C'， KeyData0 C 22 C 67 C 16)例如，所有“A”為一組，所有“B”為一組，所有“C”為一組，共分成3組數(shù)據(jù)，這些分組信息都保存在group_obj對(duì)象中，使用for循環(huán)遍歷可打印岀每個(gè)分組的信息。2PART通過(guò)Series對(duì)象進(jìn)行分組通過(guò)Series對(duì)象進(jìn)行分組In[4]:importpandasaspdimportnumpyasnpdf=pd.DataFrame({'key1':['A'，'A'，'B'，'B'，'A']，'key2':['one'，'two'，'one'，'two'，'one']，'data1':[2，3，4，6，8]，'data2':[3，5，6，3，7]})dfOut[4]:key1key2data1data20 A one 2 31 A two 3 52 B one 4 63 B two 6 34 A one 8 7例如：創(chuàng)建一個(gè)5行4列的DataFrame對(duì)象，示例代碼如下：通過(guò)Series對(duì)象進(jìn)行分組In[5]:se=pd.Series(['a'，'b'，'c'，'a'，'b'])seOut[5]:0 a1 b2 c3 a4 bdtype:object然后創(chuàng)建一個(gè)用做分組鍵的Series對(duì)象，示例代碼如下：通過(guò)Series對(duì)象進(jìn)行分組In[6]:group_obj=df.groupby(by=se) #按自定義Series對(duì)象進(jìn)行分組foriingroup_obj: #遍歷分組對(duì)象print(i)Out[6]:(‘a(chǎn)’，key1key2data1data20 Aone2 33 Btwo6 3)('b'， key1key2data1data21 Atwo3 54 Aone8 7)('c'， key1key2data1 data22 Bone4 6)在調(diào)用groupby()方法時(shí)把se對(duì)象傳給by參數(shù)，將se對(duì)象作為分組鍵拆分df對(duì)象，以得到一個(gè)分組對(duì)象，遍歷該分組對(duì)象并査看每個(gè)分組的具體內(nèi)容，示例代碼如下：從輸出結(jié)果中可以看出，se將df對(duì)象分為a、b、c三組，其中索引0和3對(duì)應(yīng)的兩行為a組數(shù)據(jù)，索引1和4對(duì)應(yīng)的兩行為b組數(shù)據(jù)，索引2對(duì)應(yīng)的一行為c組數(shù)據(jù)。通過(guò)Series對(duì)象進(jìn)行分組In[7]:#當(dāng)Series長(zhǎng)度與原數(shù)據(jù)的索引值長(zhǎng)度不同時(shí)se=pd.Series(['a'，'a'，'b'])group_obj=df.groupby(se)foriingroup_obj: #遍歷分組對(duì)象print(i)Out[7]:('a'， key1 key2 data1data20 A one 231 A two 35)('b'， key1key2 data1data22 B one 46)如果Series對(duì)象的長(zhǎng)度與原數(shù)據(jù)的行索引長(zhǎng)度不相等時(shí)，那么在進(jìn)行分組時(shí)會(huì)怎么樣呢？接下來(lái)，我們使用代碼進(jìn)行測(cè)試，具體代碼如下：通過(guò)Series對(duì)象進(jìn)行分組In[7]:#當(dāng)Series長(zhǎng)度與原數(shù)據(jù)的索引值長(zhǎng)度不同時(shí)se=pd.Series(['a'，'a'，'b'])group_obj=df.groupby(se)foriingroup_obj: #遍歷分組對(duì)象print(i)Out[7]:('a'， key1 key2 data1data20 A one 231 A two 35)('b'， key1key2 data1data22 B one 46)首先創(chuàng)建了一個(gè)Series對(duì)象，共包含三行數(shù)據(jù)，其中前兩行的數(shù)據(jù)是“a”，最后一行數(shù)據(jù)為“b”，然后調(diào)用groupby()方法按se對(duì)象將df對(duì)象拆分成組，由于se只有三行數(shù)據(jù)，所以它只需要對(duì)df對(duì)象的前三行數(shù)據(jù)進(jìn)行分組，即df對(duì)象的前兩行分為一組，最后一行分為一組。3PART通過(guò)字典進(jìn)行分組通過(guò)字典進(jìn)行分組當(dāng)用字典對(duì)DataFrame進(jìn)行分組時(shí)，則需要確定軸的方向及字典中的映像關(guān)系，即字典中的鍵為列名，字典的值為自定義的分組名。例如，創(chuàng)建一個(gè)5行5列的DataFrame對(duì)象，具體代碼如下：In[8]:frompandasimportDataFrame，Seriesnum_df=DataFrame({'a':[1，2，3，4，5]，

'b':[6，7，8，9，10]，'c':[11，12，13，14，15]，'d':[5，4，3，2，1]，'e':[10，9，8，7，6]})num_dfOut[8]:abcde016 115 10127 124 9238 133 8349 142 74510 151 6通過(guò)字典進(jìn)行分組然后，創(chuàng)建一個(gè)表示分組規(guī)則的字典，其中字典的鍵為num_df對(duì)象的列名稱，值為自定義的分組名稱，具體代碼如下:In[9]:#定義分組規(guī)則mapping={'a':'第一組'，'b':'第二組'，'c':'第一組'，'d':'第三組'，'e':'第二組'}mappingOut[9]:{'a':'第一組'，'b':'第二組'，'c':'第一組'，'d':'第三組'，'e':'第二組'}通過(guò)字典進(jìn)行分組接著調(diào)用groupby()方法，在該方法中傳入剛創(chuàng)建的字典mapping，將mapping作為分組鍵拆分num_df對(duì)象，具體代碼如下:In[10]:#按字典分組by_co1umn=num_df.groupby(mapping，axis=1)foriinby_column:print(i)Out[10]:(‘第一組’ ，ac011112 1223 1334 1445 15)(‘第三組’，d0 51 42 3 3 24 1)(‘第二組’，b e06 1017 928 839 7410 6)通過(guò)字典進(jìn)行分組In[10]:#按字典分組by_co1umn=num_df.groupby(mapping，axis=1)foriinby_column:print(i)Out[10]:(‘第一組’ ，ac011112 1223 1334 1445 15)(‘第三組’，d0 51 42 3 3 24 1)(‘第二組’，b e06 1017 928 839 7410 6)上述示例在拆分num_df時(shí)，按照橫軸的方向進(jìn)行分組，將a列、c列數(shù)據(jù)映射到第一組；將b列、e列數(shù)據(jù)映射到第二組；將d列數(shù)據(jù)映射到第三組。從輸出結(jié)果中可以看出，num_df共分為“第一組”“第二組”“第三組”三組。4PART通過(guò)函數(shù)進(jìn)行分組通過(guò)函數(shù)進(jìn)行分組與字典或Series對(duì)象相比，使用函數(shù)作為分組鍵會(huì)更加靈活，任何一個(gè)被當(dāng)做分組鍵的函數(shù)都會(huì)在各個(gè)索引值上被調(diào)用一次，返回的值會(huì)被用作分組名稱。In[11]:importpandasaspddf=pd.DataFrame({'a':[l，2，3，4，5]，'b':[6，7，8，9，10]，'c':[5，4，3，2，1]}，index=['Sun'，'Jack'，'Alice'，'Helen'，'Job'])dfOut[11]:abcSun 16 5Jack 27 4Alice383Helen 49 2Job 510 1創(chuàng)建一個(gè)DataFrame對(duì)象，將其行索引的名稱設(shè)為字符串類型的，具體代碼如下：通過(guò)函數(shù)進(jìn)行分組如果以行索引名稱的長(zhǎng)度進(jìn)行分組，則長(zhǎng)度相同的行索引名稱會(huì)分為一組，即索引名稱長(zhǎng)度為3的分為一組，長(zhǎng)度為4的分為一組，長(zhǎng)度為5的分為一組，共分成三組。In[12]:groupby_obj=df.groupby(len) #使用