当前位置：极客教程 > Pandas > Pandas 问答 > Pandas的groupby方法和mean方法

Pandas的groupby方法和mean方法

Pandas的groupby方法和mean方法

在本文中，我们将介绍如何使用Pandas的groupby方法和mean方法。Pandas是一个Python的数据分析库，非常适合于数据清洗和处理。groupby方法是Pandas提供的一个非常强大的方法，可以对数据进行分组，然后对每一组进行聚合运算。mean方法是其中一个聚合运算，它可以求出每一组的均值。

阅读更多：Pandas 教程

groupby方法的使用

groupby方法的使用非常简单，它的语法如下：

groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)
Python

其中，by参数是用来指定分组依据的列名或者列表，axis参数是表示沿着哪个轴进行分组，level参数可以指定多层索引时的哪一层进行分组，as_index表示是否把分组的列作为索引，sort表示是否按照分组的键进行排序，group_keys表示是否在分组结果中包含原始键，squeeze表示是否用Series表示分组结果。除了上述参数外，groupby方法还可以接收很多其他的参数，具体可以查看Pandas官方文档。

下面是一个示例，我们使用groupby方法对一个DataFrame进行分组：

import pandas as pd
df = pd.DataFrame({"A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"],
                   "B": ["one", "one", "two", "three", "two", "two", "one", "three"],
                   "C": [1, 2, 3, 4, 5, 6, 7, 8],
                   "D": [10, 20, 30, 40, 50, 60, 70, 80]})
grouped = df.groupby("A") # 按照列"A"进行分组
for name, group in grouped:
    print(name)
    print(group)
Python

输出结果：

bar
     A      B  C   D
1  bar    one  2  20
3  bar  three  4  40
5  bar    two  6  60
foo
     A    B  C   D
0  foo  one  1  10
2  foo  two  3  30
4  foo  two  5  50
6  foo  one  7  70
7  foo  three  8  80
Python

可以看到，分组结果是一个由分组名和对应的数据组成的二元组。

mean方法的使用

mean方法是groupby方法的一种聚合操作，它可以计算每一组的均值。mean方法的使用非常简单，例如：

import pandas as pd
df = pd.DataFrame({"A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"],
                   "B": ["one", "one", "two", "three", "two", "two", "one", "three"],
                   "C": [1, 2, 3, 4, 5, 6, 7, 8],
                   "D": [10, 20, 30, 40, 50, 60, 70, 80]})
grouped = df.groupby("A") # 按照列"A"进行分组
print(grouped.mean()) # 计算每一组的均值
Python

输出结果：

            C     D
A                  
bar  4.000000  40.0
foo  4.8      44.0
Python

可以看到，计算出了每一组的均值。

使用mean方法计算分组结果并生成DataFrame

有时候，我们需要把分组结果计算出来的均值保存到一个新的DataFrame中。在这种情况下，我们可以直接使用mean方法生成的DataFrame，例如：

import pandas as pd
df = pd.DataFrame({"A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"],
                   "B": ["one", "one", "two", "three", "two", "two", "one", "three"],
                   "C": [1, 2, 3, 4, 5, 6, 7, 8],
                   "D": [10, 20, 30, 40, 50, 60, 70, 80]})
grouped = df.groupby("A") # 按照列"A"进行分组
result = grouped.mean() # 计算每一组的均值
print(result)
Python

输出结果：

            C     D
A                  
bar  4.000000  40.0
foo  4.8      44.0
Python

可以看到，result就是生成的新的DataFrame。

手动生成DataFrame

我们也可以手动生成一个新的DataFrame，来保存分组结果计算出来的均值。具体的步骤如下：

  1. 使用groupby方法对DataFrame进行分组；
  2. 对每一组使用mean方法计算均值；
  3. 把计算出来的均值保存到一个新的字典中，键是分组名，值是均值；
  4. 使用pd.DataFrame方法转换字典为DataFrame。

下面是一个示例代码：

import pandas as pd
df = pd.DataFrame({"A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"],
                   "B": ["one", "one", "two", "three", "two", "two", "one", "three"],
                   "C": [1, 2, 3, 4, 5, 6, 7, 8],
                   "D": [10, 20, 30, 40, 50, 60, 70, 80]})
grouped = df.groupby("A") # 按照列"A"进行分组
means = {}
for name, group in grouped:
    means[name] = group["C"].mean() # 计算每一组的均值
result = pd.DataFrame(means.items(), columns=["A", "C_mean"]) # 转换为DataFrame
print(result)
Python

输出结果：

     A  C_mean
0  bar     4.0
1  foo     4.8
Python

可以看到，我们手动计算了每一组的均值，并把结果保存到了新的DataFrame中。

总结

本文介绍了Pandas的groupby方法和mean方法。groupby方法可以对数据进行分组并进行聚合运算，mean方法是其中一个聚合运算，可以计算每一组的均值。我们可以直接使用mean方法生成的DataFrame，也可以手动生成一个新的DataFrame来保存分组结果计算出来的均值。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Pandas 精品教程

登录

找回密码？

注册