概要
任何分組(groupby)操作都涉及原始物件的以下操作之一，它們是
- 分割物件
- 應用一個函式
- 結合的結果
在許多情況下，我們將資料分成多個集合，并在每個子集上應用一些函式，在應用函式中，可以執行以下操作
- 聚合
- 計算匯總統計轉換
- 執行一些特定于組的操作過濾
- 在某些情況下丟棄資料
創建一個DataFrame物件并對其執行所有操作 -
import pandas as pd
ipl_data = https://www.cnblogs.com/cenjw/p/{'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]}
df = pd.DataFrame(ipl_data)
print (df)
得到以下結果:
Points Rank Team Year
0 876 1 Riders 2014
1 789 2 Riders 2015
2 863 2 Devils 2014
3 673 3 Devils 2015
4 741 3 Kings 2014
5 812 4 kings 2015
6 756 1 Kings 2016
7 788 1 Kings 2017
8 694 2 Riders 2016
9 701 4 Royals 2014
10 804 1 Royals 2015
11 690 2 Riders 2017
將資料拆分成組
import pandas as pd
ipl_data = https://www.cnblogs.com/cenjw/p/{'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]}
df = pd.DataFrame(ipl_data)
print (df.groupby('Team').groups)
# 按多組分類
df.groupby(['Team','Year']).groups
回傳結果：
{
'Devils': Int64Index([2, 3], dtype='int64'),
'Kings': Int64Index([4, 6, 7], dtype='int64'),
'Riders': Int64Index([0, 1, 8, 11], dtype='int64'),
'Royals': Int64Index([9, 10], dtype='int64'),
'kings': Int64Index([5], dtype='int64')
}
遍歷迭代分組
grouped = df.groupby('Year')
for name,group in grouped:
print (name)
print (group)
2014
Points Rank Team Year
0 876 1 Riders 2014
2 863 2 Devils 2014
4 741 3 Kings 2014
9 701 4 Royals 2014
2015
Points Rank Team Year
1 789 2 Riders 2015
3 673 3 Devils 2015
5 812 4 kings 2015
10 804 1 Royals 2015
2016
Points Rank Team Year
6 756 1 Kings 2016
8 694 2 Riders 2016
2017
Points Rank Team Year
7 788 1 Kings 2017
11 690 2 Riders 2017
選擇一個分組使用get_group()方法，可以選擇一個組:
grouped.get_group(2014)
原文出自【易百教程】，商業轉載請聯系作者獲得授權，非商業請保留原文鏈接：https://www.yiibai.com/pandas/python_pandas_groupby.html
本文來自博客園，作者：Arway，轉載請注明原文鏈接：https://www.cnblogs.com/cenjw/p/pandas-skill-groupby.html
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/438027.html
標籤：其他
上一篇：【課程筆記】中科大資訊論（三）
下一篇：計算機網路復習筆記（部分）