如何建设移动端网站,iis部署网站无法访问,注册网站卖钱最多的人,网站建设 美词groupby 是数据分析中一个非常强大的操作#xff0c;可以根据指定的规则将数据拆分成多个组#xff0c;并对每个组进行聚合、转换或过滤等操作。我们逐个解释这些参数的作用#xff0c;并通过数值举例进行说明。
参数解释 by#xff1a;分组依据 by 参数指定了分组的依据可以根据指定的规则将数据拆分成多个组并对每个组进行聚合、转换或过滤等操作。我们逐个解释这些参数的作用并通过数值举例进行说明。
参数解释 by分组依据 by 参数指定了分组的依据可以是 函数对于数据的每个索引或列应用该函数生成一个新的值根据这些值进行分组。字典 或 Series可以通过字典或 Series 来指定分组的规则。字典的键是原数据的索引值是分组的标签。ndarray可以直接用数组来指定每一行或列所属的分组。 axis拆分的方向 axis 参数指定了操作的方向 axis0按行分组默认。axis1按列分组。 level多层索引的分组层级 level 参数适用于多层索引MultiIndex。可以指定按某个层级或多个层级进行分组。 as_index是否将分组键作为索引 默认值是 True即返回的结果会把分组的标签作为新的索引。如果设置为 False则不会将分组标签作为索引而是作为普通列显示。 sort是否对分组进行排序 默认值是 True表示对每个组的标签进行排序。如果设置为 False则分组内的顺序与原数据中的顺序一致通常会提高性能。 group_keys是否将组键添加到结果中 默认值是 True即返回的结果会包含分组键标明每个组的来源。如果为 False则不添加组键。 observed分类数据的显示方式 当分组是分类数据时observedTrue 会只显示有实际数据的分类值而不会显示所有的分类值包括那些没有数据的分类。如果设置为 False则会显示所有可能的分类值。 dropna是否删除包含 NA 的组 如果为 True则包含 NA 值的组会被删除。如果为 FalseNA 值会被当作一个组处理。
举例说明
假设我们有以下的 DataFrame 和 Series 数据
import pandas as pd# 创建一个 DataFrame
df pd.DataFrame({A: [1, 2, 2, 3, 4, 5],B: [X, Y, X, Y, X, Y],C: [10, 20, 30, 40, 50, 60]
})输出
1. by按列分组
我们可以按照 B 列的值来对 df 进行分组
grouped df.groupby(B)
for name, group in grouped:print(fGroup: {name})print(group)
print(grouped.sum())输出
2. axis按列分组
如果你想按列分组而不是按行分组可以设置 axis1
grouped df.groupby(axis1, level0)
for name, group in grouped:print(fGroup: {name})print(group)这个例子不太常见通常 groupby 更常用于行分组但这会按列的方式分组。输出中会提醒不建议这么做
3. level多层索引分组
假设你有一个多层索引的 DataFrame你可以按指定的层级进行分组。
# 创建一个 MultiIndex DataFrame
index pd.MultiIndex.from_tuples([(a, 1), (a, 2), (b, 1), (b, 2)],names[letter, number])
df_multi pd.DataFrame({A: [1, 2, 3, 4],B: [5, 6, 7, 8]
}, indexindex)# 按 letter 层级进行分组
grouped df_multi.groupby(levelletter)
for name, group in grouped:print(fGroup: {name})print(group)输出
Group: aA B
letter number
a 1 1 52 2 6Group: bA B
letter number
b 1 3 72 4 8更多例子
4. as_index是否将分组键作为索引
我们可以设置 as_indexFalse让分组键不成为新的索引。
grouped df.groupby(B, as_indexFalse)
print(grouped.sum())输出
5. sort是否排序分组
如果 sortFalse则按照原始数据的顺序进行分组而不是按照分组键的顺序排序
grouped df.groupby(B, sortFalse)
for name, group in grouped:print(fGroup: {name})print(group)输出
Group: XA B C
0 1 X 10
2 2 X 30
4 4 X 50Group: YA B C
1 2 Y 20
3 3 Y 40
5 5 Y 606. dropna是否删除包含NA值的组
如果你有一些 NA 值并设置 dropnaTrue它会删除包含 NA 的组
df_with_na pd.DataFrame({A: [1, 2, 3, None, 5],B: [X, Y, X, Y, X],C: [10, 20, 30, 40, None]
})grouped df_with_na.groupby(B, dropnaTrue)
print(grouped.sum())输出
总结
groupby 是根据某些规则将数据拆分为多个组然后对每个组进行计算。可以根据 by、axis、level 等参数灵活控制分组的方式。常用的操作包括按列分组、按层级分组、控制排序和是否删除包含 NA 值的组。
