周一不睡觉，也要把pandas groupy 肝完，你该这么学，No.8

2024-03-03 18:56:52

如果图片无法观看，请移步 https://blog.csdn.net/hihell

学编程就跟打游戏一样一样的

为啥一样啊，因为要肝的

你看，学编程有很多好处

掉头发，有借口吧
不洗头，有借口吧
不洗袜子，有借口吧
不去看电影，有借口吧
不陪女朋友，有借口吧

活该单身， (❁´◡`❁)✲ﾟ

哈哈，唯独梦想橡皮擦，她就比较厉害了，

身边的大佬全是综上所述，嘿嘿嘿

学个pandas在不找点乐趣，咋学啊

大周一的，弄点啥？

遥记得，上一篇最后，我说要写groupby的高级函数

后来自己理了理，忽然觉得真难

不想了写了... ...

后来，转念一想，不行啊，我是大佬啊

咋能不写

于是乎，我就写了今天这篇博客

groupby 核心为 split-apply-combine

啥意思呢，就是字面意思呗

分割-应用-组合

分割，就是按照一些标准进行数据的拆分
应用，给分好的组，应用一些函数上去
组合，分组的数据，捣鼓捣鼓，弄成一个新的数据结构，方便后面应用

Over

这就是groupby的核心

分割，或者叫分组（拆分）步骤，是最简单的，
看好数据，写代码就可以了
（说的好像很容易似的）

使用最多的，对我们来说
是想要对数据进行一些基本的应用

也就是分组之后，我们要计算

官方文档里面介绍groupby要实现的效果

就是想模拟SQL的操作

SQL是啥？数据库的那个脚本语言（你不会不会写吧，哈哈哈O(∩_∩)O哈哈~）

groupby在模仿的就是下面这句话

select col1,col2,count(col3),sum(col4) from one_table
group by col1,col2

咦，如果你看到上面的SQL语句

发现，这个我熟悉啊

那么接下来，学习就easy了

当然，如果你不是很清楚
那就要看你的悟性了

将一个dataframe对象分割成组

其实这个咱上篇文章已经做过了

再学一次，没毛病

举个代码的例子

import pandas as pd
df = pd.DataFrame([('class1','boy',100),
                   ('class2', 'boy', 90),
                   ('class3', 'girl', 80),
                   ('class1', 'unkown', None),
                   ('class2', 'unkown', 90)],index=['dawa','erwa','sanwa','siwa','wuwa'],columns=['class','sex','weight'])

print(df)

看着迷糊么？
我其实就是做了这么一个表格

咱去excel里面瞅瞅

pandas里面打印的无非是英文

    class     sex  weight
dawa   class1     boy   100.0
erwa   class2     boy    90.0
sanwa  class3    girl    80.0
siwa   class1  unkown     NaN
wuwa   class2  unkown    90.0

一样的，接下来，基本操作

走位，走位，瞬间清晰

print(df.groupby('class'))
print(df.groupby('sex',axis='columns'))
print(df.groupby(['class','sex']))

第一个，你肯定会
第二个，修改axis的轴，按照columns进行分组了，先不用管有没有意义哦
第三个，请注意，有两个列名在一个数组里面，叫做先按照class分组，在按照sex分组

那么groupby里面可以给哪些值呢？

难不成只有上面的三种

天真了吧

看操作

给一个python函数，可以作用于每一个目标轴标签上，不好理解
list列表或者numpy的数组，长度和被选择的轴一致
字典或者Series,格式参照 label->group name
提供一个字符串，比如df.groupby('A') 和 df.groupby(df['A']) 是一样的
上面任意一条，构成的list列表

好了，难吧

没错，说了，从这篇博客开始就开始高级部分学习了

嘿嘿

简单的多列分组代码代码如下

df = pd.DataFrame({'A': ['girl', 'boy', 'girl', 'boy',
                         'girl', 'boy', 'girl', 'girl'],
                   'B': ['one', 'one', 'two', 'three',
                         'two', 'two', 'one', 'three'],
                   'C': [3,1,4,5,6,7,8,1],
                   'D': [9,1,2,3,1,6,4,3]})

print(df)

grouped = df.groupby('A')
print(grouped)
grouped = df.groupby(['A','B'])
print(grouped)

对于一个待分组的dataframe对象来说
你可以直接用'A'或者'B'中的一个进行分组
当然也可以直接用['A','B']进行分组

这个要看你实际的需求了啊

分组之后，我们能干点啥？

当然是获取分组之后的数据啊

print(grouped.get_group('boy'))
print(grouped.get_group('girl'))

小函数，送上一枚

get_group('key name')

除了获取分组之后的数据，在送你个常用小属性，瞅瞅

grouped = df.groupby('A')
print(grouped)
print(grouped.groups)

groups这个属性非常常用哦~因为我们时常需要看一下，分组结果是否争取e

{'boy': Int64Index([1, 3, 5], dtype='int64'), 'girl': Int64Index([0, 2, 4, 6, 7], dtype='int64')}

当然学习吗，你可以使用help和dir把帮助文档弹出来
然后所有的属性和方法都清晰可见了

print(dir(grouped))
print(help(grouped))

到最后了，我在嘚啵一个知识点，这个知识点是series的

为什么又返回来，开始学习series了呢

还不是因为直接学习dataframe的多列分组，难度太大

我们先弄一个完美的测试栗子

arrays = [['a', 'a', 'b', 'b', 'c', 'c', 'd', 'd'],
          ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]


index = pd.MultiIndex.from_arrays(arrays=arrays,names=['first','second'])

s = pd.Series([3,1,4,1,5,9,2,6],index=index)

print(s)

这个series长成这个样子

first  second
a      one       3
       two       1
b      one       4
       two       1
c      one       5
       two       9
d      one       2
       two       6
dtype: int64

一定要看明白，是分级索引哦

接下来对它进行分组，并且求和

比如，我要计算first列下面的a的和，b的和，c的和,d的和

我们可以通过level参数控制

# 这两个一个意思
print(s.groupby(level=0))
print(s.groupby(level='first'))

grouped = s.groupby(level=0)
print(grouped.sum())

搞定，看看结果

没毛病

对于second列，我们也可以分组求和的哦

grouped = s.groupby(level='second')
print(grouped.sum())

咦，好像发现点问题

print("分组求和")
grouped = s.groupby(level='second')
print(grouped.sum())
print("sum函数求和")

print(s.sum(level='second'))

一样唉~

其实参数level也可以这么写呢level=['first','second']

好了，今天肝不动了

明天我们继续吧

你已经关注我公主号了，对不对

赶紧让朋友也关注啊…

码农公寓