Pandas分组与排序

一、pandas分组

1、分组运算过程：split->apply->combine

拆分：进行分组的根据
应用：每个分组运行的计算规则
合并：把每个分组的计算结果合并起来

2、分组函数

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs

by： 依据哪些列进行分组，值可以是：mapping, function, label, or list of labels

3、聚合函数

4、分组聚合实例

单列分组

>>> import pandas as pd
>>> df = pd.DataFrame({'A': ['a', 'b', 'a', 'c', 'a', 'c', 'b', 'c'], 'B': [2, 8, 1, 4,
3, 2, 5, 9], 'C': [102, 98, 107, 104, 115, 87, 92, 123], 'D': [2, 98, 17, 14, 15, 7, 92,
 13]})
>>> df
   A  B    C   D
0  a  2  102   2
1  b  8   98  98
2  a  1  107  17
3  c  4  104  14
4  a  3  115  15
5  c  2   87   7
6  b  5   92  92
7  c  9  123  13
>>> df.groupby(by='A').sum()
    B    C    D
A
a   6  324   34
b  13  190  190
c  15  314   34

多列分组

>>> df.groupby(by=['A','B']).sum()             ###A,B成索引
       C   D
A B
a 1  107  17
  2  102   2
  3  115  15
b 5   92  92
  8   98  98
c 2   87   7
  4  104  14
  9  123  13

多列聚合

>>> df.groupby(by=['A','B'])['C'].sum()      ###1个列
A  B
a  1    107
   2    102
   3    115
b  5     92
   8     98
c  2     87
   4    104
   9    123

>>> df.groupby(by=['A','B'])['C','D'].sum()   ###2个列
       C   D
A B
a 1  107  17
  2  102   2
  3  115  15
b 5   92  92
  8   98  98
c 2   87   7
  4  104  14
  9  123  13

多列不同聚合方式

>>> import numpy as np
>>> df.groupby(by=['A']).agg({'C':[np.mean, 'sum'], 'D':['count',np.std]})
            C          D
         mean  sum count       std
A
a  108.000000  324     3  8.144528
b   95.000000  190     2  4.242641
c  104.666667  314     3  3.785939


>>>ps: 不同列使用多个不同函数进行聚合C： mean，sum；D：count，std

返回值类型区别

方法1：agg
>>> df.groupby(by=['A']).agg({'C':[np.mean]})
            C
         mean
A
a  108.000000
b   95.000000
c  104.666667
>>> type(df.groupby(by=['A']).agg({'C':[np.mean]}))
<class 'pandas.core.frame.DataFrame'>


方法2：索引
>>> df.groupby(by=['A'])['C'].mean()
A
a    108.000000
b     95.000000
c    104.666667
Name: C, dtype: float64
>>> type(df.groupby(by=['A'])['C'].mean())
<class 'pandas.core.series.Series'>



总结： 两种方法结果一样，但是一个类型是DataFrame,一个为Series；有时候会用上

二、pandas排序

按索引进行降序排列

>>> df
   A  B    C   D
0  a  2  102   2
1  b  8   98  98
2  a  1  107  17
3  c  4  104  14
4  a  3  115  15
5  c  2   87   7
6  b  5   92  92
7  c  9  123  13
>>> df.sort_index(ascending=False)       ### 索引
   A  B    C   D
7  c  9  123  13
6  b  5   92  92
5  c  2   87   7
4  a  3  115  15
3  c  4  104  14
2  a  1  107  17
1  b  8   98  98
0  a  2  102   2

按值进行降序排列

>>> df.sort_values(by="A",ascending=False)        # 按某一列
   A  B    C   D
3  c  4  104  14
5  c  2   87   7
7  c  9  123  13
1  b  8   98  98
6  b  5   92  92
0  a  2  102   2
2  a  1  107  17
4  a  3  115  15

>>> df.sort_values(by=["B","A"],ascending=False)   # 按2列
   A  B    C   D
7  c  9  123  13
1  b  8   98  98
6  b  5   92  92
3  c  4  104  14
4  a  3  115  15
5  c  2   87   7
0  a  2  102   2
2  a  1  107  17

猜你喜欢