Python groupby用法|极客教程

Python groupby用法

在Python中，groupby函数是非常有用的工具，它可以对数据进行分组并进行相关操作。在本文中，我们将详细介绍groupby函数的用法以及一些示例代码。

1. 基本用法

groupby函数通常用于对数据进行分组，然后对每个组进行操作。它一般与agg函数一起使用，以便对每个组进行聚合操作。

下面是一个简单的示例，我们首先创建一个包含学生姓名和成绩的数据集，并按照学生姓名进行分组，并计算每个学生的平均成绩。

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Alice', 'Bob', 'Alice', 'Bob'],
        'Score': [80, 90, 75, 85, 95, 80]}

df = pd.DataFrame(data)

grouped = df.groupby('Name')
average_score = grouped['Score'].mean()

print(average_score)

运行结果：

Name
Alice    83.333333
Bob      85.000000
Name: Score, dtype: float64

在上面的代码中，我们首先使用groupby函数按照学生姓名进行分组，然后使用agg函数计算每个学生的平均成绩。

2. 自定义聚合函数

除了使用内置的聚合函数，我们还可以自定义聚合函数，对每个组进行不同的操作。这可以通过agg函数以字典的形式传入自定义的聚合函数来实现。

下面是一个示例，我们创建一个包含学生姓名和成绩的数据集，并按照学生姓名进行分组，然后计算每个学生的最高分和最低分。

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Alice', 'Bob', 'Alice', 'Bob'],
        'Score': [80, 90, 75, 85, 95, 80]}

df = pd.DataFrame(data)

grouped = df.groupby('Name')
custom_agg = grouped['Score'].agg({'Max': max, 'Min': min})

print(custom_agg)

运行结果：

       Max  Min
Name           
Alice    95   75
Bob      90   80

在上面的代码中，我们首先使用groupby函数按照学生姓名进行分组，然后通过agg函数传入一个字典，其中包含自定义的聚合函数，最终计算每个学生的最高分和最低分。

3. 多个聚合操作

除了对每个组进行单个聚合操作，我们还可以对每个组进行多个聚合操作。这可以通过在agg函数中传入多个聚合函数来实现。

下面是一个示例，我们创建一个包含学生姓名和成绩的数据集，并按照学生姓名进行分组，然后计算每个学生的平均分、最高分和最低分。

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Alice', 'Bob', 'Alice', 'Bob'],
        'Score': [80, 90, 75, 85, 95, 80]}

df = pd.DataFrame(data)

grouped = df.groupby('Name')
multiple_agg = grouped['Score'].agg(['mean', 'max', 'min'])

print(multiple_agg)

运行结果：

            mean  max  min
Name                       
Alice  83.333333   95   75
Bob    85.000000   90   80

在上面的代码中，我们首先使用groupby函数按照学生姓名进行分组，然后在agg函数中传入多个聚合函数，最终计算每个学生的平均分、最高分和最低分。

4. 迭代分组

除了直接对分组进行操作外，我们还可以使用groupby函数进行分组迭代。这可以通过groupby函数的groups属性来实现。

下面是一个示例，我们创建一个包含学生姓名和成绩的数据集，并按照学生姓名进行分组，然后迭代每个分组，并打印每个分组的数据。

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Alice', 'Bob', 'Alice', 'Bob'],
        'Score': [80, 90, 75, 85, 95, 80]}

df = pd.DataFrame(data)

grouped = df.groupby('Name')

for name, group in grouped:
    print(name)
    print(group)

运行结果：

Alice
    Name  Score
0  Alice     80
2  Alice     75
4  Alice     95
Bob
  Name  Score
1  Bob     90
3  Bob     85
5  Bob     80

在上面的代码中，我们首先使用groupby函数按照学生姓名进行分组，然后通过迭代每个分组，并打印每个分组的数据。

结论

groupby函数是一个非常强大的工具，可以方便地对数据进行分组操作。通过本文介绍的基本用法、自定义聚合函数、多个聚合操作和分组迭代，读者可以更好地理解groupby函数的用法，并在实际工作中灵活应用。

Python groupby用法