Pandas GroupBy详解：数据分组与聚合操作指南

Pandas GroupBy详解：数据分组与聚合操作指南

Pandas的GroupBy功能是数据分析中的利器，它允许你按照指定的列对数据进行分组，并对每个分组进行各种操作，例如聚合、转换等。这篇指南将带你全面了解GroupBy的用法，助你轻松掌握数据分组与聚合技巧。

1. GroupBy基础：如何进行数据分组

在Pandas中，使用groupby()函数进行数据分组。你可以根据单列或多列进行分组：

• 按照单个列分组: python grouped = df.groupby('column_name')

• 按照多个列分组: python grouped = df.groupby(['column_name1', 'column_name2'])

2. 聚合操作：对每个分组进行统计计算

分组完成后，你可以使用各种聚合函数对每个分组进行统计计算，例如：

• mean(): 计算每个分组的平均值- sum(): 计算每个分组的总和- count(): 计算每个分组的非空值数量- max(): 计算每个分组的最大值- min(): 计算每个分组的最小值- describe(): 生成描述性统计信息

示例：pythongrouped.mean() # 计算每个分组的平均值grouped['column_name'].sum() # 计算指定列在每个分组的总和

3. 数据遍历：逐个处理每个分组

你可以使用循环遍历每个分组：pythonfor name, group in grouped: print('分组名称:', name) print('分组数据:\n', group)

4. 高级操作：筛选、转换和排序

除了聚合操作，GroupBy还支持更高级的操作：

• 筛选: 使用filter()函数筛选出满足特定条件的分组。 python grouped.filter(lambda x: x['column_name'].sum() > 100)

• 转换: 使用transform()函数对每个分组应用函数并返回相同大小的结果。 python grouped.transform(lambda x: x - x.mean()) # 对每个分组的数据进行中心化处理

• 排序: 使用apply()函数结合排序方法对每个分组进行排序。 python grouped.apply(lambda x: x.sort_values('column_name'))

5. 总结

GroupBy是Pandas中非常强大的功能，它可以帮助你轻松地对数据进行分组、聚合和转换。熟练掌握GroupBy的各种用法，将极大地提升你的数据分析效率。