pandas分组与聚合

最新推荐文章于 2025-10-24 09:40:46 发布

原创最新推荐文章于 2025-10-24 09:40:46 发布 · 211 阅读

0 ·

CC 4.0 BY-SA版权

数据分析专栏收录该内容

35 篇文章

订阅专栏

博客围绕pandas的分组与聚合展开。pandas是数据处理重要工具，分组与聚合是其关键操作，可对数据进行有效整理和分析，在数据挖掘、数据分析等领域有重要应用。

部署运行你感兴趣的模型镜像

import pandas as pd
import numpy as np


# 加载数据
detail = pd.read_excel('meal_order_detail.xlsx')
# print(detail)

# 分组
# 按照amounts进行分组，然后统计counts平均值
# de = detail.groupby(by='amounts')['counts'].mean()
# print(de)

# 按照order_id 与 dishes_id 进行分组，统计amounts的均值
# de = detail.groupby(by=['amounts','dishes_name'])['counts'].max()
# print(de)
# print(type(de))

# agg方法 --可以对多列数据， 同时进行多列统计分析
# de = detail[['counts', 'amounts']].agg([np.sum, np.mean])
# print(de)

# agg 方法 --对于不同列数据求取不同统计分析
# de = detail.agg({'counts':np.max, 'amounts':np.min})
# print(de)

# agg 方法  --可以对不同那个列数据求取不同的统计分析
# de = detail.agg({'counts':np.max, 'amounts':[np.min, np.mean]})
# print(de)

# apply 自定义统计
# 单列操作
# de = detail['amounts'].apply(lambda x: x+1)
# print(de)

# 多列操作
# de = detail[['counts','amounts']].transform(lambda x:x+1)
# print(de)

您可能感兴趣的与本文相关的镜像