Python Pandas分组函数案例详解

Python_P叔

已于 2024-01-17 15:10:51 修改

阅读量1k

点赞数 22

CC 4.0 BY-SA版权

文章标签： python pandas 开发语言

于 2024-01-17 15:10:39 首次发布

本文链接：https://blog.youkuaiyun.com/Saki_Python/article/details/135651150

本文详细介绍了Pandas库中groupby函数的使用，包括基础分组、统计计算、聚合函数、变换操作、过滤、高级技巧如多级索引和时间序列处理，以及性能优化和数据合并方法。通过实例演示，帮助读者掌握这个强大的数据分析工具。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Pandas的groupby函数是数据分析和处理中的重要工具，允许按照指定的列对数据进行分组，并在每个组内执行相应的操作。本文将详细介绍groupby函数的使用方法，并提供丰富的示例代码，覆盖从基础用法到高级操作的多个方面。

1. 基础用法

1.1 分组并计算统计量

import pandas as pd

# 创建示例DataFrame
data = {'Category': ['A', 'B', 'A', 'B', 'A', 'B'],
        'Value': [10, 20, 15, 25, 18, 30]}
df = pd.DataFrame(data)

# 按Category分组，并计算每组的平均值
grouped = df.groupby('Category')
result = grouped.mean()

print(result)

1.2 多列分组

# 多列分组，并计算每组的总和
result_multi = df.groupby(['Category', 'Value']).sum()

print(result_multi)

2. 聚合函数和变换

2.1 自定义聚合函数

# 自定义聚合函数
def custom_agg(x):
    return x.max() - x.min()

# 应用自定义聚合函数
result_custom_agg = df.groupby('Category')['Value'].agg(custom_agg)

print(result_custom_agg)

2.2 变换操作

# 对每个组进行变换操作，计算与均值的差值
df['Value_diff'] = df.groupby('Category')['Value'].transform(lambda x: x - x.mean())

print(df)

3. 过滤操作

# 过滤出平均值大于15的组
result_filter = df.groupby('Category').filter(lambda x: x['Value'].mean() > 15)

print(result_filter)

4. 高级操作

最低0.47元/天解锁文章