当前位置：极客教程 > Pandas > Pandas 问答 > Pandas GroupBy 分组操作及获取分组详解

Pandas GroupBy 分组操作及获取分组详解

Pandas GroupBy 分组操作及获取分组详解

参考：pandas groupby get groups

Pandas是Python中用于数据分析和处理的强大库，其中GroupBy操作是一个非常重要的功能。本文将详细介绍Pandas中的GroupBy操作以及如何获取分组结果，帮助读者更好地理解和使用这一功能。

1. GroupBy的基本概念

GroupBy操作允许我们将数据按照某个或某些列进行分组，然后对每个分组进行聚合操作。这在数据分析中非常有用，可以帮助我们快速了解数据的分布和特征。

让我们从一个简单的例子开始：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'age': [25, 30, 35, 28, 32],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

# 按城市分组
grouped = df.groupby('city')

# 打印分组对象
print(grouped)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

在这个例子中，我们创建了一个包含姓名、年龄、城市和薪资信息的DataFrame，然后使用groupby()方法按城市进行分组。grouped对象是一个DataFrameGroupBy对象，它包含了分组的信息，但还没有进行任何聚合操作。

2. 获取分组信息

2.1 使用groups属性

GroupBy对象有一个groups属性，它返回一个字典，其中键是分组的唯一值，值是对应的行索引。

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

grouped = df.groupby('city')
groups = grouped.groups

print(groups)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个示例将打印出每个城市对应的行索引。这对于了解每个分组包含哪些数据非常有用。

2.2 使用get_group()方法

如果我们想获取特定分组的数据，可以使用get_group()方法：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

grouped = df.groupby('city')
london_group = grouped.get_group('London')

print(london_group)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子将返回一个新的DataFrame，只包含城市为London的数据。

3. 对分组进行聚合操作

GroupBy对象支持多种聚合操作，如sum()、mean()、count()等。

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

grouped = df.groupby('city')

# 计算每个城市的平均薪资
avg_salary = grouped['salary'].mean()

print(avg_salary)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子计算了每个城市的平均薪资。

4. 多列分组

我们也可以按多个列进行分组：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'department': ['IT', 'HR', 'Finance', 'IT', 'HR'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

grouped = df.groupby(['city', 'department'])
avg_salary = grouped['salary'].mean()

print(avg_salary)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子按城市和部门进行分组，然后计算每个组合的平均薪资。

5. 应用自定义函数

我们可以使用apply()方法对每个分组应用自定义函数：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

def salary_range(group):
    return pd.Series({
        'min_salary': group['salary'].min(),
        'max_salary': group['salary'].max(),
        'range': group['salary'].max() - group['salary'].min()
    })

result = df.groupby('city').apply(salary_range)

print(result)
Python

这个例子定义了一个函数来计算每个城市的最低薪资、最高薪资和薪资范围。

6. 分组转换

使用transform()方法，我们可以对每个分组应用一个函数，并将结果广播回原始DataFrame的形状：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

df['salary_rank'] = df.groupby('city')['salary'].transform(lambda x: x.rank(method='dense'))

print(df)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子为每个城市内的薪资进行排名。

7. 分组迭代

我们可以直接迭代GroupBy对象来访问每个分组：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

for name, group in df.groupby('city'):
    print(f"City: {name}")
    print(group)
    print("\n")
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子将遍历每个城市的分组，并打印出分组名称和对应的数据。

8. 分组聚合的高级用法

8.1 多个聚合函数

我们可以同时应用多个聚合函数：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

result = df.groupby('city')['salary'].agg(['mean', 'min', 'max', 'count'])

print(result)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子计算了每个城市的平均薪资、最低薪资、最高薪资和员工数量。

8.2 不同列应用不同的聚合函数

我们可以为不同的列指定不同的聚合函数：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000],
    'age': [25, 30, 35, 28, 32]
})

result = df.groupby('city').agg({
    'salary': ['mean', 'max'],
    'age': ['min', 'max']
})

print(result)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子对薪资计算了平均值和最大值，对年龄计算了最小值和最大值。

9. 处理缺失值

在进行分组操作时，我们可能会遇到缺失值。Pandas提供了多种处理缺失值的方法：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', np.nan, 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

# 忽略缺失值
result1 = df.groupby('city', dropna=True)['salary'].mean()

# 将缺失值视为一个分组
result2 = df.groupby('city', dropna=False)['salary'].mean()

print("Ignoring NaN:")
print(result1)
print("\nIncluding NaN as a group:")
print(result2)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子展示了如何在分组时处理缺失值，可以选择忽略缺失值或将其视为一个单独的分组。

10. 分组后的排序

有时我们可能想要根据聚合结果对分组进行排序：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

result = df.groupby('city')['salary'].mean().sort_values(ascending=False)

print(result)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子按城市分组计算平均薪资，然后按平均薪资降序排列。

11. 分组和时间序列数据

GroupBy操作在处理时间序列数据时也非常有用：

import pandas as pd
import numpy as np

# 创建一个包含日期的DataFrame
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
df = pd.DataFrame({
    'date': dates,
    'sales': np.random.randint(100, 1000, size=len(dates))
})

# 按月分组并计算每月的总销售额
monthly_sales = df.groupby(df['date'].dt.to_period('M'))['sales'].sum()

print(monthly_sales)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子创建了一个包含全年每日销售数据的DataFrame，然后按月分组并计算每月的总销售额。

12. 分组和窗口函数

Pandas的GroupBy操作可以与窗口函数结合使用，实现更复杂的分析：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London'],
    'salary': [50000, 60000, 70000, 55000, 65000]
})

# 计算每个城市内的累计薪资和
df['cumulative_salary'] = df.groupby('city')['salary'].cumsum()

print(df)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子计算了每个城市内的累计薪资和。

13. 分组和数据透视表

GroupBy操作与数据透视表（pivot table）密切相关：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'date': pd.date_range(start='2023-01-01', periods=100),
    'city': np.random.choice(['New York', 'London', 'Paris'], 100),
    'product': np.random.choice(['A', 'B', 'C'], 100),
    'sales': np.random.randint(10, 100, 100)
})

pivot_table = pd.pivot_table(df, values='sales', index='city', columns='product', aggfunc='sum')

print(pivot_table)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子创建了一个数据透视表，显示每个城市每种产品的总销售额。

14. 分组和重采样

对于时间序列数据，我们可以结合使用GroupBy和重采样：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'date': pd.date_range(start='2023-01-01', periods=1000, freq='H'),
    'city': np.random.choice(['New York', 'London', 'Paris'], 1000),
    'temperature': np.random.normal(20, 5, 1000)
})

# 按城市分组，然后对每个城市的数据进行日重采样
daily_avg_temp = df.groupby('city').resample('D', on='date')['temperature'].mean()

print(daily_avg_temp)
Python

这个例子按城市分组，然后对每个城市的温度数据进行日重采样，计算每日平均温度。

15. 分组和滚动计算

我们可以在分组内进行滚动计算：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'date': pd.date_range(start='2023-01-01', periods=100),
    'city': np.random.choice(['New York', 'London', 'Paris'], 100),
    'sales': np.random.randint(100, 1000, 100)
})

# 按城市分组，然后计算7天滚动平均销售额
rolling_avg = df.groupby('city').rolling(window=7, on='date')['sales'].mean()

print(rolling_avg)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子按城市分组，然后计算每个城市的7天滚动平均销售额。

结论

Pandas的GroupBy操作是一个强大而灵活的工具，可以帮助我们高效地分析和处理数据。通过本文的详细介绍和丰富的示例，我们深入探讨了Pandas中GroupBy操作的各个方面，从基本概念到高级应用。以下是一些关键点的总结：

  1. GroupBy的基本用法允许我们按一个或多个列对数据进行分组。
  2. 我们可以使用groups属性和get_group()方法来获取分组信息。
  3. GroupBy支持多种聚合操作，如sum()、mean()、count()等。
  4. 可以对分组应用自定义函数，使用apply()或transform()方法。
  5. 分组操作可以与其他Pandas功能结合，如时间序列分析、窗口函数和数据透视表。
  6. 在处理大型数据集时，GroupBy操作可能会遇到性能问题，此时可以考虑使用其他优化方法。

16. 分组和连接操作

GroupBy操作也可以与DataFrame的连接操作结合使用：

import pandas as pd

# 创建两个DataFrame
df1 = pd.DataFrame({
    'city': ['New York', 'London', 'Paris', 'Tokyo'],
    'population': [8400000, 8900000, 2100000, 13900000]
})

df2 = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London', 'Tokyo'],
    'salary': [50000, 60000, 70000, 55000, 65000, 75000]
})

# 按城市分组计算平均薪资
avg_salary = df2.groupby('city')['salary'].mean().reset_index()

# 将平均薪资信息与人口信息连接
result = pd.merge(df1, avg_salary, on='city')

print(result)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子首先计算了每个城市的平均薪资，然后将结果与城市人口信息连接起来。

17. 分组和过滤

我们可以基于分组的结果对数据进行过滤：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London', 'Tokyo'],
    'salary': [50000, 60000, 70000, 55000, 65000, 75000]
})

# 过滤出平均薪资超过60000的城市
high_salary_cities = df.groupby('city').filter(lambda x: x['salary'].mean() > 60000)

print(high_salary_cities)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子过滤出了平均薪资超过60000的城市的所有数据。

18. 分组和数据规范化

GroupBy操作可以用于数据的规范化处理：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London', 'Tokyo'],
    'salary': [50000, 60000, 70000, 55000, 65000, 75000]
})

# 计算每个城市内的薪资占比
df['salary_ratio'] = df.groupby('city')['salary'].transform(lambda x: x / x.sum())

print(df)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子计算了每个人的薪资在其所在城市总薪资中的占比。

19. 处理多级索引

GroupBy操作会产生多级索引，我们可以使用unstack()方法来重塑数据：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London', 'Tokyo'],
    'department': ['IT', 'HR', 'Finance', 'IT', 'HR', 'Finance'],
    'salary': [50000, 60000, 70000, 55000, 65000, 75000]
})

# 按城市和部门分组计算平均薪资
result = df.groupby(['city', 'department'])['salary'].mean().unstack()

print(result)
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子按城市和部门分组计算平均薪资，然后使用unstack()方法将结果转换为更易读的表格形式。

20. 分组和可视化

最后，我们可以将GroupBy操作的结果用于数据可视化：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank'],
    'city': ['New York', 'London', 'Paris', 'New York', 'London', 'Tokyo'],
    'salary': [50000, 60000, 70000, 55000, 65000, 75000]
})

# 计算每个城市的平均薪资
avg_salary = df.groupby('city')['salary'].mean()

# 绘制条形图
avg_salary.plot(kind='bar')
plt.title('Average Salary by City')
plt.xlabel('City')
plt.ylabel('Average Salary')
plt.show()
Python

Output:

Pandas GroupBy 分组操作及获取分组详解

这个例子计算了每个城市的平均薪资，并使用matplotlib库绘制了一个条形图来可视化结果。

通过这些丰富的示例，我们可以看到Pandas的GroupBy操作在数据分析中的强大功能和灵活性。它不仅可以进行基本的分组和聚合，还可以与Pandas的其他功能无缝集成，实现复杂的数据处理和分析任务。

在实际的数据分析项目中，熟练运用GroupBy操作可以大大提高我们处理和分析数据的效率。无论是处理金融数据、用户行为数据，还是科研数据，GroupBy都是一个不可或缺的工具。

然而，需要注意的是，在处理大型数据集时，GroupBy操作可能会占用大量内存和计算资源。在这种情况下，我们可能需要考虑使用其他技术，如数据库的聚合函数或分布式计算框架（如Apache Spark）来处理数据。

总的来说，Pandas的GroupBy操作是一个强大而灵活的工具，掌握它可以让我们更有效地进行数据分析和处理。通过不断实践和探索，我们可以发现更多GroupBy操作的应用场景，从而在数据分析工作中游刃有余。

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