在Python中，groupby函数是pandas库中的一个非常实用的功能，它可以帮助我们对数据进行分组操作，通过使用groupby函数，我们可以方便地对数据进行聚合、转换和过滤等操作，本文将详细介绍groupby函数的使用方法。
基本用法
1、创建DataFrame
我们需要创建一个DataFrame，用于演示groupby函数的使用，以下是一个简单的示例：
import pandas as pd
data = {'A': ['foo', 'bar', 'baz', 'foo', 'bar', 'baz'],
'B': ['one', 'two', 'three', 'two', 'three', 'one'],
'C': [1, 2, 3, 4, 5, 6],
'D': [10, 20, 30, 40, 50, 60]}
df = pd.DataFrame(data)
2、使用groupby函数
接下来，我们可以使用groupby函数对数据进行分组，以下是一些常见的用法：
按单列分组：
grouped = df.groupby('A')
按多列分组：
grouped = df.groupby(['A', 'B'])
按条件分组：
grouped = df[df['C'] > 2].groupby('A')
聚合操作
在对数据进行分组后，我们可以对每个组进行聚合操作，例如求和、计数、平均值等，以下是一些常见的聚合操作：
1、求和：
result = grouped['D'].sum()
2、计数：
result = grouped['D'].count()
3、平均值：
result = grouped['D'].mean()
4、最大值：
result = grouped['D'].max()
5、最小值：
result = grouped['D'].min()
转换操作
在对数据进行分组后，我们还可以进行一些转换操作，例如对每个组的数据应用一个函数，以下是一些常见的转换操作：
1、应用函数：
def square(x): return x ** 2 result = grouped['D'].apply(square)
2、应用多个函数：
def square(x): return x ** 2 def double(x): return x * 2 result = grouped['D'].apply([square, double])[0]
过滤操作
在对数据进行分组后，我们还可以对每个组进行过滤操作，例如筛选出满足某个条件的数据，以下是一些常见的过滤操作：
1、筛选出满足条件的数据：
result = grouped[grouped['D'] > 30]['D']
2、筛选出不满足条件的数据：
result = grouped[grouped['D'] <= 30]['D']
排序操作
在对数据进行分组后，我们还可以进行排序操作，例如按照某个列的值对每个组进行排序，以下是一些常见的排序操作：
1、按照单个列排序：
result = grouped.sort_values('A')['D']
2、按照多个列排序：
result = grouped.sort_values(['A', 'B'])['D']
3、按照降序排序：
result = grouped.sort_values('A', ascending=False)['D']
原创文章，作者：K-seo，如若转载，请注明出处：https://www.kdun.cn/ask/245032.html
微信扫一扫 