Pandas分组与排序的实现


						一、pandas分组

1、分组运算过程：split->apply->combine



  拆分：进行分组的根据

  应用：每个分组运行的计算规则

  合并：把每个分组的计算结果合并起来





2、分组函数





DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs





by： 依据哪些列进行分组，值可以是：mapping, function, label, or list of labels



3、聚合函数



4、分组聚合实例

单列分组





>>> import pandas as pd

>>> df = pd.DataFrame({'A': ['a', 'b', 'a', 'c', 'a', 'c', 'b', 'c'], 'B': [2, 8, 1, 4,

3, 2, 5, 9], 'C': [102, 98, 107, 104, 115, 87, 92, 123], 'D': [2, 98, 17, 14, 15, 7, 92,

 13]})

>>> df

  A B  C  D

0 a 2 102  2

1 b 8  98 98

2 a 1 107 17

3 c 4 104 14

4 a 3 115 15

5 c 2  87  7

6 b 5  92 92

7 c 9 123 13

>>> df.groupby(by='A').sum()

  B  C  D

A

a  6 324  34

b 13 190 190

c 15 314  34



多列分组





>>> df.groupby(by=['A','B']).sum()       ###A,B成索引

    C  D

A B

a 1 107 17

 2 102  2

 3 115 15

b 5  92 92

 8  98 98

c 2  87  7

 4 104 14

 9 123 13



多列聚合





>>> df.groupby(by=['A','B'])['C'].sum()   ###1个列

A B

a 1  107

  2  102

  3  115

b 5   92

  8   98

c 2   87

  4  104

  9  123

 

>>> df.groupby(by=['A','B'])['C','D'].sum()  ###2个列

    C  D

A B

a 1 107 17

 2 102  2

 3 115 15

b 5  92 92

 8  98 98

c 2  87  7

 4 104 14

 9 123 13



多列不同聚合方式





>>> import numpy as np

>>> df.groupby(by=['A']).agg({'C':[np.mean, 'sum'], 'D':['count',np.std]})

      C     D

     mean sum count    std

A

a 108.000000 324   3 8.144528

b  95.000000 190   2 4.242641

c 104.666667 314   3 3.785939

 

 

>>>ps: 不同列使用多个不同函数进行聚合C： mean，sum；D：count，std



返回值类型区别





方法1：agg

>>> df.groupby(by=['A']).agg({'C':[np.mean]})

      C

     mean

A

a 108.000000

b  95.000000

c 104.666667

>>> type(df.groupby(by=['A']).agg({'C':[np.mean]}))

<class 'pandas.core.frame.DataFrame'>

 

 

方法2：索引

>>> df.groupby(by=['A'])['C'].mean()

A

a  108.000000

b   95.000000

c  104.666667

Name: C, dtype: float64

>>> type(df.groupby(by=['A'])['C'].mean())

<class 'pandas.core.series.Series'>

 

 

 

总结： 两种方法结果一样，但是一个类型是DataFrame,一个为Series；有时候会用上



二、pandas排序

按索引进行降序排列





>>> df

  A B  C  D

0 a 2 102  2

1 b 8  98 98

2 a 1 107 17

3 c 4 104 14

4 a 3 115 15

5 c 2  87  7

6 b 5  92 92

7 c 9 123 13

>>> df.sort_index(ascending=False)    ### 索引

  A B  C  D

7 c 9 123 13

6 b 5  92 92

5 c 2  87  7

4 a 3 115 15

3 c 4 104 14

2 a 1 107 17

1 b 8  98 98

0 a 2 102  2



按值进行降序排列





>>> df.sort_values(by="A",ascending=False)    # 按某一列

  A B  C  D

3 c 4 104 14

5 c 2  87  7

7 c 9 123 13

1 b 8  98 98

6 b 5  92 92

0 a 2 102  2

2 a 1 107 17

4 a 3 115 15

 

>>> df.sort_values(by=["B","A"],ascending=False)  # 按2列

  A B  C  D

7 c 9 123 13

1 b 8  98 98

6 b 5  92 92

3 c 4 104 14

4 a 3 115 15

5 c 2  87  7

0 a 2 102  2

2 a 1 107 17



以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持中文源码网。