【Python 数据科学】分组group by基础

>>>import pandas as pd
>>>df=pd.read_csv('DataAnalyst.csv',encoding='gbk')
#分组并计数
#groupby后面需要跟函数才能显示
>>>df.groupby(by='city').count()

	companyFullName	companyId	companyLabelList	companyShortName	companySize	businessZones	firstType	secondType	education	industryField	positionId	positionAdvantage	positionName	positionLables	bottom	top	avg	workYear
city
上海	969	969	870	969	969	712	969	969	969	969	969	969	969	963	969	969	969	969
北京	4148	4148	3726	4148	4148	3068	4142	4143	4148	4148	4148	4148	4148	4129	4148	4148	4148	4148
南京	82	82	74	82	82	51	82	82	82	82	82	82	82	81	82	82	82	82
厦门	30	30	25	30	30	19	30	30	30	30	30	30	30	30	30	30	30	30
天津	20	20	18	20	20	15	20	20	20	20	20	20	20	20	20	20	20	20
广州	334	334	295	334	334	226	334	334	334	334	334	334	334	332	334	334	334	334
成都	133	133	113	133	133	35	133	133	133	133	133	133	133	132	133	133	133	133
杭州	404	404	374	404	404	241	403	403	404	404	404	404	404	403	404	404	404	404
武汉	69	69	62	69	69	49	69	69	69	69	69	69	69	69	69	69	69	69
深圳	522	522	473	522	522	363	522	522	522	522	522	522	522	520	522	522	522	522
苏州	37	37	30	37	37	15	37	37	37	37	37	37	37	37	37	37	37	37
西安	50	50	39	50	50	25	50	50	50	50	50	50	50	50	50	50	50	50
长沙	25	25	22	25	25	14	25	25	25	25	25	25	25	25	25	25	25	25

#分组后求组内某一字段的最大值
>>>df.groupby(by='city').avg.max()

city
上海    75.0
北京    75.0
南京    25.0
厦门    25.0
天津    17.5
广州    45.0
成都    65.0
杭州    60.0
武汉    26.5
深圳    75.0
苏州    30.0
西安    35.0
长沙    15.0
Name: avg, dtype: float64

#多字段分组,多重索引
>>>df.groupby(by=['city','workYear']).mean()

		companyId	positionId	bottom	top	avg
city	workYear
上海	1-3年	56370.229560	2.122294e+06	10.110063	17.298742	13.704403
	10年以上	50283.500000	2.186072e+06	27.500000	42.500000	35.000000
	1年以下	66486.562500	2.335498e+06	6.875000	11.812500	9.343750
	3-5年	56284.833828	2.148159e+06	14.798220	25.130564	19.964392
	5-10年	64153.386861	2.204261e+06	21.145985	35.510949	28.328467
	不限	68837.887097	2.221343e+06	7.467742	13.322581	10.395161
	应届毕业生	48962.636364	2.313271e+06	5.606061	8.606061	7.106061
北京	1-3年	55965.545799	2.176951e+06	11.349735	20.141559	15.745647
	10年以上	67579.785714	2.376643e+06	34.642857	52.857143	43.750000
	1年以下	91526.250000	2.409707e+06	5.687500	9.708333	7.697917
	3-5年	51318.617114	2.213610e+06	15.839475	27.521549	21.680512
	5-10年	51625.509132	2.262125e+06	20.979452	34.874429	27.926941
	不限	58820.321027	2.158942e+06	9.046549	15.762440	12.404494
	应届毕业生	57623.291262	2.275363e+06	5.242718	8.485437	6.864078
南京	1-3年	74551.291667	2.184282e+06	7.000000	11.625000	9.312500
	1年以下	82443.000000	2.561404e+06	2.500000	5.000000	3.750000
	3-5年	65279.333333	2.164212e+06	10.750000	18.750000	14.750000
	5-10年	21079.200000	2.389005e+06	15.600000	26.200000	20.900000
	不限	60472.260870	2.346818e+06	5.652174	10.391304	8.021739
	应届毕业生	30884.500000	2.382802e+06	5.750000	9.250000	7.500000
厦门	1-3年	58654.466667	1.876766e+06	7.400000	13.266667	10.333333
	3-5年	63641.600000	1.940944e+06	9.600000	17.200000	13.400000
	不限	82702.555556	2.025943e+06	7.444444	14.666667	11.055556
	应届毕业生	9547.000000	2.411738e+06	5.000000	10.000000	7.500000
天津	1-3年	55338.666667	2.327896e+06	4.666667	7.333333	6.000000
	3-5年	68648.800000	2.272681e+06	8.400000	14.400000	11.400000
	5-10年	66805.000000	2.343332e+06	15.000000	20.000000	17.500000
	不限	89693.142857	2.059957e+06	5.571429	9.142857	7.357143
	应届毕业生	81114.000000	2.338327e+06	2.000000	4.000000	3.000000
广州	1-3年	58407.514706	2.223685e+06	8.073529	13.948529	11.011029
...	...	...	...	...	...	...
杭州	不限	59188.078947	2.270072e+06	10.184211	18.552632	14.368421
	应届毕业生	31184.083333	2.132055e+06	6.083333	11.416667	8.750000
武汉	1-3年	61891.100000	2.074843e+06	6.000000	11.200000	8.600000
	1年以下	78797.000000	1.100027e+06	3.000000	4.000000	3.500000
	3-5年	60472.259259	2.134416e+06	9.777778	17.666667	13.722222
	5-10年	57453.000000	1.987101e+06	12.090909	20.727273	16.409091
	不限	48843.375000	2.452173e+06	4.250000	7.250000	5.750000
	应届毕业生	79294.500000	2.403577e+06	2.500000	4.500000	3.500000
深圳	1-3年	66374.393333	2.141864e+06	9.380000	16.540000	12.960000
	10年以上	68993.500000	2.324062e+06	19.500000	32.500000	26.000000
	1年以下	73129.500000	1.663716e+06	10.500000	20.000000	15.250000
	3-5年	54833.537688	2.155506e+06	14.090452	25.271357	19.680905
	5-10年	46952.378049	2.075490e+06	19.536585	33.451220	26.493902
	不限	72778.861111	2.178372e+06	8.916667	15.444444	12.180556
	应届毕业生	60220.615385	1.917779e+06	6.692308	9.923077	8.307692
苏州	1-3年	69105.000000	2.285118e+06	8.545455	14.727273	11.636364
	3-5年	41914.266667	2.192177e+06	10.066667	17.533333	13.800000
	5-10年	23127.285714	1.969094e+06	17.571429	31.285714	24.428571
	不限	66902.000000	1.689665e+06	6.333333	10.333333	8.333333
	应届毕业生	94.000000	2.360554e+06	5.000000	10.000000	7.500000
西安	1-3年	74480.333333	2.054798e+06	5.916667	10.750000	8.333333
	3-5年	77698.923077	2.302673e+06	9.769231	16.846154	13.307692
	5-10年	55435.800000	2.228356e+06	14.400000	22.600000	18.500000
	不限	78890.166667	2.271278e+06	2.333333	4.500000	3.416667
	应届毕业生	7502.000000	2.574456e+06	6.000000	9.000000	7.500000
长沙	1-3年	44605.555556	2.166399e+06	7.111111	12.333333	9.722222
	3-5年	44933.900000	2.178290e+06	7.800000	14.400000	11.100000
	5-10年	7382.000000	7.452570e+05	9.000000	12.000000	10.500000
	不限	98598.000000	2.201182e+06	5.000000	8.250000	6.625000
	应届毕业生	149263.000000	2.430719e+06	3.000000	6.000000	4.500000

75 rows × 5 columns

#同时计算分组下某个字段的最大值和最小值
for k,v in df.groupby(by='city'):
    print(k,max(v.avg),min(v.avg))
    print('--'*10)

 上海 75.0 1.5
--------------------
北京 75.0 1.5
--------------------
南京 25.0 1.5
--------------------
厦门 25.0 3.5
--------------------
天津 17.5 3.0
--------------------
广州 45.0 1.5
--------------------
成都 65.0 1.5
--------------------
杭州 60.0 2.5
--------------------
武汉 26.5 1.5
--------------------
深圳 75.0 1.5
--------------------
苏州 30.0 4.0
--------------------
西安 35.0 2.5
--------------------
长沙 15.0 2.5
--------------------