Pandas 对多组数据应用多个函数

在本文中，我们将介绍如何使用Pandas对多个组应用多个函数，并且使用groupby列来进行分组。

阅读更多：Pandas 教程

准备数据

在开始之前，我们需要准备一些数据来演示我们的代码。我们将使用一个包含以下列的DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
    'C': np.random.randn(8),
    'D': np.random.randn(8)
})

这是我们将用来执行代码示例的DataFrame。 它将有两列分组依据 A 和B 以及两列数值 C 和D。

视图

首先，我们可以使用groupby聚合数据并应用多个函数：

grouped = df.groupby(['A', 'B']).agg({'C': [np.sum, np.mean], 'D': [np.min, np.max]})

这将计算每个分组的 C 和D 列的 sum、mean、min 和 max。 我们传递了一个字典，其中键是要分组的列名，值是要应用的函数。 在这种情况下，我们将应用四个函数：sum、mean、min 和 max。

结果如下：

                 C                   D          
               sum      mean       amin      amax
A   B                                            
bar one   1.799231  0.899616 -0.350432  0.753766
    three  1.809174  0.904587 -0.951654  0.631808
    two   -0.827797 -0.413898 -0.915300 -0.596474
foo one  -0.720321 -0.360161 -0.577646  1.305872
    three  1.258078  1.258078 -0.321507 -0.321507
    two   -1.460497 -0.730249 -1.459996  0.031295

结果是一个层次化的DataFrame, 其中第一列级别是分组列 A 和B，下一列级别是应用的函数，即C和D列的sum，mean，amin和amax。

我们可以使用列索引来选择单个函数的结果：

print(grouped['C', 'mean'])

输出如下：

A    B    
bar  one     0.899616
     three   0.904587
     two    -0.413898
foo  one    -0.360161
     three   1.258078
     two    -0.730249
Name: (C, mean), dtype: float64

筛选列

我们可以使用列筛选器进行更进一步的筛选。比如，选择 A 列为“foo”的结果：

grouped.loc['foo']

输出如下：

            C                                D          
          sum      mean      amin      amax     amin      amax
B                                                             
one -0.720321 -0.360161 -0.577646  1.305872 -0.76813  1.305872
three  1.258078  1.258078 -0.321507 -0.321507 -0.321507 -0.321507
two  -1.460497 -0.730249 -1.459996  0.031295 -0.04519  0.031295

其他聚合函数

还有许多其他的聚合函数可以使用。例如，可以使用自定义函数：

def my_func(x):
    return x.max() - x.min()

grouped = df.groupby(['A', 'B']).agg({'C': [np.sum, np.mean], 'D': [np.min, np.max, my_func]})
print(grouped)

输出如下：

               C                   D                      
             sum      mean       amin      amax   my_func
A   B                                                       
bar one    -0.654204 -0.327102 -1.360695  0.861685  2.222380
    three  -0.512851 -0.256426 -1.102678  0.590424  1.693102
    two    -0.742809 -0.371404 -0.752443  0.176631  0.549074
foo one    -1.441738 -0.720869 -2.595621  0.903545  3.498166
    three   1.314550  1.314550 -0.867023 -0.867023  0.000000
    two    -0.192542 -0.096271 -1.097157  1.409114  2.506272

使用自定义函数计算了每个组的 C 和D 列的 my_func 这个函数值。

多个数据分组键

在前面的示例中，我们只使用了一个分组键。但是，我们经常需要将多个键一起使用进行分组。在这种情况下，只需将多个列放入列表中即可：

grouped_multi = df.groupby(['A', 'B']).agg({'C': [np.sum, np.mean], 'D': [np.min, np.max]})
print(grouped_multi)

这将创建具有多个列级别的分组数据：

                 C                   D          
               sum      mean       amin      amax
A   B                                            
bar one   1.030687  0.515344 -0.438292  1.884638
    three  0.501003  0.250502 -1.763097  1.051057
    two   -0.489946 -0.244973 -0.383742 -0.106204
foo one  -0.738822 -0.369411 -0.255659  1.919374
    three -0.355801 -0.355801 -0.733882  0.022639
    two    2.041148  1.020574 -0.994723  1.312570

在这种情况下，我们可以通过访问两列之间的级别来选择数据：

print(grouped_multi['C', 'sum'])

输出结果如下：

A    B    
bar  one      1.030687
     three    0.501003
     two     -0.489946
foo  one     -0.738822
     three   -0.355801
     two      2.041148
Name: (C, sum), dtype: float64

我们还可以使用具有两个分组键的 loc 来选择数据。例如，选择 A = “bar”和 B =“one” 的值：

print(grouped_multi.loc[('bar', 'one')])

输出如下：

C  sum      1.030687
   mean     0.515344
D  amin    -0.438292
   amax     1.884638
Name: (bar, one), dtype: float64

总结

在本文中，我们已经学习了如何使用 Pandas 套件处理多个组，同时将多个函数应用于列组，使您能够更好地分析您的数据和提取准确的信息。无论您正在处理成千上万行的数据还是几百行的数据，这些功能都可以帮助您更轻松地进行分析。