pandas实现数据的分组与聚合

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 · 838 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#分组与聚合

数据分析同时被 2 个专栏收录

27 篇文章

订阅专栏

pandas

5 篇文章

订阅专栏

本文介绍了如何使用pandas库进行数据的分组与聚合，详细讲解了groupby()、agg()、apply()和transform()四个关键方法。groupby()用于数据分组，agg()可以对多列数据进行多种统计分析，如自定义字典选择不同列的不同统计方法。apply()允许用户自定义统计方法，而transform()则用于对数据进行转换操作。

1.分组 groupby()

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，统计counts平均值
detail=detail.groupby(by='amounts')['counts'].mean()
print('detail:',detail)

#按照order_id,dished_id 进行分组 统计amounts的均值
#先按照order_id分组，在一个相同的分组里面，再通过dishes_id进行分组
de=detail.groupby(by=['order_id','dishes_id'])['amounts'].mean()
print(de)
print(type(de)) # series  双重索引，一列数据

2.聚合

agg()

apply()

trandform()

（1）agg()

可以对多列数据，同时进行多个统计分析

de=detail[['counts','amounts']].agg([np.sum,np.mean])
print(de)

可以对不同列数据，求取不同的统计分析，可以用字典

de=detail.agg({'counts':np.max,'amounts':np.min})
print(de)

可以对不同列的数据求取不同个数的统计分析

de=detail.agg({'counts':np.max,'amounts':[np.min,np.mean]})
print(de)

（2）apply()

自定义自己的统计方法

de=detail['amounts'].apply(lambda x:x+1)
print(de)

（3）transform()

de=detail.groupby['counts'].transform(lambda x:x+1)
print(de)