当前位置：极客教程 > Pandas > Pandas 分组 > Pandas Groupby和Sum

Pandas Groupby和Sum

Pandas Groupby和Sum

这是一个简单的概念，但它是一个非常有价值的技术，在数据科学中被广泛使用。它的帮助在于，我们可以:

  • 计算每组的汇总统计数据
  • 进行特定组别转换
  • 做好数据的过滤工作

dataframe.groupby()涉及分割对象、应用函数和合并结果的组合。这可以用来对大量的数据进行分组，并对这些分组进行计算操作，如sum()。

Pandas dataframe.sum()函数返回所请求的轴的数值之和。如果输入的是索引轴，那么它将一列中的所有数值相加，并对所有列重复同样的操作，然后返回一个包含每列中所有数值之和的序列。

为Pandas groupby()和sum()创建DataFrame

# import required module
import pandas as pd
 
# assign data
ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils',
                     'Kings',  'kings', 'Kings', 'Kings',
                     'Riders', 'Royals', 'Royals', 'Riders'],
            'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
 
            'Year': [2014, 2015, 2014, 2015, 2014, 2015, 2016,
                     2017, 2016, 2014, 2015, 2017],
 
            'Points': [876, 789, 863, 673, 741, 812, 756, 788,
                       694, 701, 804, 690]}
 
# create dataframe
df = pd.DataFrame(ipl_data)
Python

输出:

熊猫群比和

示例1：

在这个例子中，我们对Points列的数据进行分组，并计算DataFrame所有数字列的总和。

# use groupby() to compute sum
df.groupby(['Points']).sum()
Python

输出:

熊猫群比和

示例2：

在这里，我们可以在多个列上应用一个组，并在每个组合组上计算出一个总和。

# use groupby() to generate sum
df.groupby(['Team', 'Year'])['Rank'].sum()
Python

输出:

熊猫群比和

例子3：按groupby Keys排序。

在这个例子中，我们将数据按年份列分组，并计算DataFrame所有数字列的总和，同时将年份按升序排序。

# use groupby() to generate sum
df.groupby(['Year'], sort=True)['Rank'].sum()
Python

输出:

熊猫群比和

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 分组

登录

找回密码？

注册