7.2 數(shù)據(jù)的分組與聚合

7.2數(shù)據(jù)的分組與聚合學(xué)習(xí)內(nèi)容7.2.1數(shù)據(jù)的分組7.2.2數(shù)據(jù)的聚合7.2數(shù)據(jù)的分組與聚合7.2.1數(shù)據(jù)的分組在日常的數(shù)據(jù)分析中，經(jīng)常需要將數(shù)據(jù)根據(jù)某個(gè)（多個(gè)）字段劃分為不同的群體（組）進(jìn)行分析，如電商領(lǐng)域?qū)⑷珖目備N售額根據(jù)省份進(jìn)行劃分，分析各省銷售額的變化情況，社交領(lǐng)域?qū)⒂脩舾鶕?jù)畫像（性別、年齡）進(jìn)行細(xì)分，研究用戶的使用情況和偏好等。在pandas中，用groupby()方法完成數(shù)據(jù)分組操作。序號(hào)參數(shù)說明1by映射、函數(shù)、標(biāo)簽或標(biāo)簽列表；用于確定聚合的組。2axis默認(rèn)為0，表示按行操作；設(shè)置為1，表示按列操作。3as_index布爾值，默認(rèn)True，返回以組標(biāo)簽為行標(biāo)簽的對(duì)象，若為False則不以組標(biāo)簽為行標(biāo)簽。7.2數(shù)據(jù)的分組與聚合7.2.1數(shù)據(jù)的分組案例：已知公司員工的收入數(shù)據(jù)表（data/月薪.csv），要求統(tǒng)計(jì)不同公司的平均收入和不同公司“男”和“女”員工的平均收入。01importpandasaspd02df=pd.read_csv('data/月薪.csv',engine='python')03df.groupby(['公司'])['月薪'].mean()#按公司分組統(tǒng)計(jì)平均月薪04df.groupby(['公司','性別'],as_index=False)['月薪'].mean()#按公司和性別分組統(tǒng)計(jì)平均月薪as_index=False表示分組后返回的DataFrame對(duì)象不以組標(biāo)簽為行標(biāo)簽7.2數(shù)據(jù)的分組與聚合7.2.2數(shù)據(jù)的聚合聚合是分組之后的常見的操作。聚合可以用來求和、均值、最大值、最小值等。在pandas中，可以利用agg()方法來完成聚合，其返回值為DataFrame對(duì)象。表7.2.2agg()方法的常用參數(shù)說明序號(hào)參數(shù)說明1func函數(shù)，函數(shù)名稱，函數(shù)列表，字典{‘行名/列名’：‘函數(shù)名’}2axis默認(rèn)為0，設(shè)置為0表示按行操作；設(shè)置為1，表示按列操作。7.2數(shù)據(jù)的分組與聚合7.2.2數(shù)據(jù)的聚合表7.2.3agg()方法的常用聚合操作函數(shù)序號(hào)函數(shù)說明1count分組中非NaN值的數(shù)量2sum非NaN值的和3mean非NaN值的平均值4median非NaN值的中位數(shù)5std,var標(biāo)準(zhǔn)差和方差6min,max非NaN的最小值，最大值7prod非NaN值的乘積8first,last非NaN值的第一個(gè),最后一個(gè)7.2數(shù)據(jù)的分組與聚合7.2.2數(shù)據(jù)的聚合案例：繼續(xù)使用公司員工的收入數(shù)據(jù)表（data/月薪.csv），要求統(tǒng)計(jì)不同公司的“男”和“女”員工的數(shù)量，平均收入，以及收入最高值和最低值，并將統(tǒng)計(jì)結(jié)果保存到文件‘月薪2.xls’。05#按公司統(tǒng)計(jì)男和女員工的數(shù)量df2=df.groupby(['公司','性別'],as_index=False).agg('count')06df2.columns=['公司','性別','數(shù)量']#修改df2的列標(biāo)簽07df2

7.2數(shù)據(jù)的分組與聚合7.2.2數(shù)據(jù)的聚合08#按公司統(tǒng)計(jì)男和女員工的平均、最高和最低月薪df3=df.groupby(['公司','性別'],as_index=False).agg({'月薪':['mean','max','min']})09#修改df3的列標(biāo)簽df3.columns=['公司','性別','平均月薪','最高月薪','最低月薪']10df3

7.2數(shù)據(jù)的分組與聚合7.2.2數(shù)據(jù)的聚合11#合并df2和df3，沒有指定on，則用兩個(gè)對(duì)象的交集的列標(biāo)簽作為連接鍵值。cont=pd.merge(df2,df3,how='inner')12cont['平均月薪']=cont['平均月薪'].r