Pandas中如何实现数据分组与聚合操作

在Pandas中，数据分组与聚合操作可以通过groupby()函数实现。以下是一些基本步骤和示例：

基本步骤

1. 导入Pandas库：

   import pandas as pd
   

2. 创建DataFrame：

   data = {
       'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
       'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
       'C': [1, 2, 3, 4, 5, 6, 7, 8],
       'D': [10, 20, 30, 40, 50, 60, 70, 80]
   }
   df = pd.DataFrame(data)
   

3. 使用groupby()进行分组：

   grouped = df.groupby('A')
   

4. 应用聚合函数：

   result = grouped.mean()
   

示例

示例1：基本分组与聚合

import pandas as pd

data = {
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
    'C': [1, 2, 3, 4, 5, 6, 7, 8],
    'D': [10, 20, 30, 40, 50, 60, 70, 80]
}
df = pd.DataFrame(data)

# 分组并计算每组的平均值
result = df.groupby('A').mean()
print(result)

输出：

          C         D
A                  
bar     4.0    40.0
foo     4.5    45.0

示例2：多重分组

# 分组并计算每组的平均值
result = df.groupby(['A', 'B']).mean()
print(result)

输出：

              C         D
A   B                  
bar one     2.0    20.0
    three   4.0    40.0
    two     6.0    60.0
foo one     4.0    40.0
    three   8.0    80.0
    two     5.0    50.0

示例3：自定义聚合函数

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

# 分组并应用自定义聚合函数
result = df.groupby('A').agg({'C': custom_agg, 'D': 'sum'})
print(result)

输出：

          C   D
A              
bar     4  120
foo     7  240

示例4：使用agg()方法

# 使用agg()方法进行多重聚合
result = df.groupby('A').agg({
    'C': ['mean', 'max'],
    'D': ['sum', 'min']
})
print(result)

输出：

          C                   D          
          mean max   sum min
A                               
bar     4.0   6  120  20
foo     4.5   8  240  10

注意事项

• groupby()操作返回一个DataFrameGroupBy对象，需要进一步应用聚合函数。
• 可以使用agg()方法进行多重聚合，并且可以为不同的列指定不同的聚合函数。
• 自定义聚合函数可以通过传递一个函数对象来实现。

通过这些步骤和示例，你可以灵活地在Pandas中进行数据分组与聚合操作。