python groupby 分组 python中groupby怎么用

转载

ganmaobuhaowan 2023-06-20 21:43:10

文章标签 python groupby 分组 python pandas 开发语言 bc 文章分类 Python 后端开发

首先先创建一个表格：

import pandas as pd
df = pd.DataFrame({'key1':list('aabba'),
                  'key2': ['one','two','one','two','one'],
                  'data1': np.random.randn(5),
                  'data2': np.random.randn(5)})
df

得到的df表格如下所示：

	key1	key2	data1	data2
0	a	one	-0.146141	0.074790
1	a	two	-0.474247	0.758113
2	b	one	-1.379679	1.863705
3	b	two	-0.290600	-0.228977
4	a	one	0.832128	0.857522

1、使用单特征对表格进行划分

现在先简单使用表格中的特征’key1’对数据进行划分：

grouped=df.groupby(['key1'])
for name ,group in grouped:
    print(name)
    print(group)

得到的划分结果如下所示：

python groupby 分组 python中groupby怎么用_pandas

通过上面这个图可以发现grouped=df.groupby([‘key1’])的作用是根据“key1”的不同值将表格df分为两个部分，第一个部分是“key1=a”，第二个部分是“key1=b”。用其它特征进行划分原理一样。

现在我们不仅是用“key1”对表格进行划分，同时还要对划分之后的表格求其中特征的均值，例如用以下代码求划分后的特征的均值：

grouped = df.groupby(['key1']).mean()
grouped

其输出结果如下：

python groupby 分组 python中groupby怎么用_开发语言_02

通过上图可以发现，通过“key1”对表格df划分为两部分之后，再对两部分中的“data1”和“data2”进行求平均值操作。这里不对“key2”进行求平均值操作，因为特征“key2”是文本类信息，没有平均值，所以不进行求平均值操作。

2、使用多特征对表格进行划分

上面讨论了使用一个特征对表格df进行分组，现在使用多个特征对表格df进行划分，简单地分析，使用特征“key1”和“key2”对表格进行划分，那会输出什么呢？输入以下代码：

for name, group in df.groupby(['key1','key2']):
    print("划分的特征值：",name)
    print(group,'\n')

得到的输出结果如下：

python groupby 分组 python中groupby怎么用_开发语言_03

通过上面这个图可以发现，因为现在要使用两个特征对表格进行划分，特征“key1”和特征“key2”同样有两个类别，因此组合得到的划分情况有四种，根据不同的划分组合得到符合要求的划分表格，这样就得到了上图中的情况。当使用三个或者四个特征对表格进行划分的时候，组合的个数更多，同时会划分得更加细致。具体原理是一样的。

2.1 对表格中的部分特征进行划分

在上面介绍多特征对表格进行划分的时候，我们是基于整个表格进行划分的，如果我们只想针对其中的部分特征进行划分，具体又该怎么操作呢？我们现有有下面这个表格，如果我们只想对其中的“data1”和“data2”基于“key1”进行划分，该怎么操作呢？

python groupby 分组 python中groupby怎么用_python_04

输入以下代码：

for name, group in df[['data1','data2','key1']].groupby(['key1']):
    print("划分的特征值：",name)
    print(group,'\n')

得到的输出结果如下图所示：

python groupby 分组 python中groupby怎么用_bc_05

其实这个和最开始介绍的对整个表格进行划分的原理是一样的，但是需要注意的是，代码不能写成下面的形式：

for name, group in df[['data1','data2']].groupby(['key1']):
    print("划分的特征值：",name)
    print(group,'\n')

这样的代码是错误的，这段代码和前一段代码的差别主要在于df[[‘data1’,‘data2’]]中没有了’key1’，这样是不行的，因为这样的意思是我们选取了表格中的’data1’列和’data2’列，但是没有选取’key1’列，这样数据中没有’key1’，是没有办法进行划分的。

3、具体应用在什么地方

上面说了很多对于groupby的功能介绍，但是这个东西究竟能用在什么地方呢？这里简单举一个例子。

现在有一个场景，有两家商店1和2，每家商店有a，b，c三种商品，每家商店的每种商品都有各自的日销售额，现在要快速得到每家商店每种商品的月销售额，那么我们就可以使用groupby来进行操作。

具体的数据如下：

import pandas as pd
df = pd.DataFrame({'shop_id':list('111111222222'),
                  'item_id': list('abcabcabcabc'),
                  'item_daysales': list([1,2,3,4,5,6,1,2,3,4,5,6])})
df

我们得到的表格具体如下所示：

	shop_id	item_id	item_daysale
0	1	a	1
1	1	b	2
2	1	c	3
3	1	a	4
4	1	b	5
5	1	c	6
6	2	a	1
7	2	b	2
8	2	c	3
9	2	a	4
10	2	b	5
11	2	c	6

现在我们需要计算每家商店每种商品的月销售额，使用groupby进行操作，具体代码如下：

grouped = df.groupby(['shop_id','item_id']).sum().reset_index()
grouped.rename(columns={'item_daysale' : 'item_monthsale'})

代码中的第一步是使用“shop_id”和“item_id”对表格进行分类，这样因为商店有两种，商品有三种，对于每一家商店都有三种情况，划分后记进行求和操作就可以得到每家商店的月销售额，代码中的resent_index()的作用是保留作为划分的“shop_id”和“item_id”，如果去掉则输出的是另一种表格形式。第二段代码是对其中的“item_daysale”特征进行改名。

这样得到的最后的输出如下如所示：