pandas之分组计算笔记

分组计算三部曲：拆分-->应用-->合并

分组：就是按照行或列把相同索引的部分分到一起

分组的关键词为groupby，分组后我们就可以对每组数据进行同一操作，返回的是每组数据分别计算后的结果

import pandas as pd
import numpy as np

# 先创建一个DataFrame
df = pd.DataFrame({
    'key1':['a','a','b','b','a'],
    'key2':['one','two','one','two','one'],
    'data1':np.random.randint(1,10,5),
    'data2':np.random.randint(1,10,5)
})

df['data1'].groupby(df['key1']).mean()
# 对data1列采用key1列分组并求平均值，所谓分组，就是把相同的行或列分到一起
# 然后就可以分别对这些分好的组进行一系列操作

key = [1,2,1,1,2]  # 也可以给出任意索引键，自定义分组
df['data1'].groupby(key).mean()  # 这时就会把相同索引的值分到一起

df['data1'].groupby([df['key1'],df['key2']]).size()
mean = df.groupby(['key1','key2']).sum()['data1']
# 也可进行再分组，可以先把key1先分组，在此基础上再以key2索引进行分组
# 输出的mean
    key1  key2
    a       one     11
             two      4
    b       one      1
             two      9
    Name: data1, dtype: int32

mean.unstack()  # 这个方式可以转换为DataFrame


# 通过分组key1，将其创键为字典，可以很清晰看出分组的实际意义
dict(list(df.groupby('key1')))
# 输出
{'a':   key1 key2  data1  data2
 0    a  one      5      7
 1    a  two      4      4
 4    a  one      6      2, 'b':   key1 key2  data1  data2
 2    b  one      1      3
 3    b  two      9      8}

# 以上是进行行分组，也可以进行列分组
df.groupby(df.dtypes, axis=1).sum()  # axis=1表示按列分组

df.dtypes  # 区分的是每列的数据类型
# 它的输出结果
key1     object
key2     object
data1     int32
data2     int32
dtype: object