大橙子网站建设,新征程启航
为企业提供网站建设、域名注册、服务器等服务
这篇文章主要讲解了“Pandas怎么实现分组”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“Pandas怎么实现分组”吧!
专业领域包括做网站、网站建设、商城网站制作、微信营销、系统平台开发, 与其他网站设计及系统开发公司不同,创新互联公司的整合解决方案结合了帮做网络品牌建设经验和互联网整合营销的理念,并将策略和执行紧密结合,为客户提供全网互联网整合方案。
创建测试数据框
import pandas as pd df = pd.DataFrame({'a': [1, 2, 3, 4], 'b': [5, 6, 7,8],'c': ['x', 'y', 'x','y'],'d':["one","two","three","two"]}) print(df) a b c d0 1 5 x one1 2 6 y two2 3 7 x three3 4 8 y two
计算以c列分组的,每组的平均值,非数值列将会被自动忽略
print(df.groupby(df["c"]).mean()) a bc x 2 6 y 3 7
多列分组
gb=df.groupby([df["c"],df["d"]]) print(gb)#groupby存储的是分组信息,而不是分组的数据 for i,j in gb: print(i) print('-----------') print(j)('x', 'one') ----------- a b c d0 1 5 x one('x', 'three') ----------- a b c d2 3 7 x three('y', 'two') ----------- a b c d1 2 6 y two 3 4 8 y two
聚合函数agg()
print(df.groupby(df["c"]).agg(['min','max']))a b d min max min max min maxc x 1 3 5 7 one threey 2 4 6 8 two two
将结果返回到数据框transform
print(df.groupby('c').transform('mean')) a b0 2 6 1 3 7 2 2 6 3 3 7
数据透视表
table =pd.pivot_table(df, values='a', index=['c'],columns=['d'], aggfunc=np.sum) d one three twoc x 1.0 3.0 NaN y NaN NaN 6.0
感谢各位的阅读,以上就是“Pandas怎么实现分组”的内容了,经过本文的学习后,相信大家对Pandas怎么实现分组这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是创新互联,小编将为大家推送更多相关知识点的文章,欢迎关注!