05.24 「乾貨教程6」Pandas如何分組「推薦」

03

Groupby:分-治-合

group by具體來說就是分為3步驟，分-治-合，具體來說：

分：基於一定標準，splitting數據成為不同組治：將函數功能應用在每個獨立的組上合：收集結果到一個數據結構上分和合按照字面理解就可，但是“治”又是怎麼理解，進一步將治分為3件事：

聚合操作，比如統計每組的個數，總和，平均值轉換操作，對每個組進行標準化，依據其他組隊個別組的NaN值填充過濾操作，忽略一些組，比如個數不夠指定大小的下面詳細說下，分，治，這兩步操作。合地話就是映射為具體的某個數據結構。

04

分(splitting)

分組就是根據默認的索引映射為不同索引取值的分組名稱，來看如下所示的DataFrame實例df_data，可以按照多種方式對它分組，直接調用groupby接口，

df_data.groupby('A')默認是按照axis=0分組的(行)，如果按照列，修改軸，即

df_data.groupby('A' , axis=1)也可以按照多個列分組，比如：

df_data.groupby([ 'A', 'B'] )05

選擇分組

分組後返回的對象類型為：DataFrameGroupBy，我們看下按照列標籤'A'分組後，因為'A'的可能取值為：foo, bar ，所以分為了兩組，通過DataFrameGroupBy的get_group可以取得對應的組內行，如下圖所示，

agroup = df.groupby('A')agroup.get_group('foo')

同樣的方法，看下bar組包括的行：

agroup = df.groupby('A')agroup.get_group('bar')

如果我們想看下每組的第一行，可以調用 first()，可以看到是每個分組的第一個，last()顯示每組的最後一個：

agroup.first()

06

治：分組上的操作

對分組上的操作，最直接的是使用aggregate操作，如下，求出每個分組上對應列的總和，大家可以根據上面的分組情況，對應驗證：

agroup = df.groupby('A')agroup.aggregate(np.sum)

如果根據兩個字段的組合進行分組，如下所示，為對應分組的總和，

abgroup = df.groupby(['A','B'])abgroup.aggregate(np.sum)

查詢對應每個分組的個數，返回的是Series實例：

abgroup.size()

如果需要查看，分組foo, one 的個數，如下，得到個數 2.

abgroup.size()['foo']['one']獲得每個分組的統計信息，調用describe接口，如下所示：

abgroup.describe()

一次應用多個函數：

agroup = df.groupby('A')agroup.agg([np.sum, np.mean, np.std])