5 数据聚合与数据透视

 

 ① 数据聚合

一.定义

通过不同变量对大型数据帧进行分组，以及对每个组应用汇总函数的任务。这时需在pandas中使用DataFrame对象的groupby函数和 agg函数完成。

 二.导入实验数据集

 

 三.数据集字段释义

phone.csv数据集包含830个记录共7个字段，以下对各字段进行简单解释

index：数据集索引；

date：输入的日期和时间；

duration：每个呼叫的持续时间（以秒为单位），每个数据条目的数据量（以 MB 为单位），以及每个 sms 条目发送的文本数（通常为 1）；

item：事件发生的描述——可以是呼叫，短信或者数据之一；

month：每个条目所属的结算月份——形式为 “YYYY-MM”；

network：为每个条目调用 / 发送的移动网络；

network_type：被呼叫的号码是移动，国际，语音邮件，固定电话还是其他特殊号码。

 

预处理date字段

 

 四.简单聚合DataFrame

 

 五.groupby

groupby函数将返回groupby对象，但实际上描述了如何拆分原始数据集的行。groupby对象groups变量是一个字典，其键(keys)是计算的唯一组，对应的值是属于每个组的轴标签。

1.聚合DataFrame中的组

 

 2.具体示例

max()，min()，mean()，first()，last()等函数，可以快速应用于groupby对象，以获取每个组的汇总统计信息。groupby是一个非常有用的函数，可以从每个摘要中查看不同的变量。

 

 

 

 

 

 

 

 3.注意要点

 

 

 

 六.agg

agg函数提供的聚合功能允许在一次计算中按组计算多个统计数据。语法很简单，聚合指令以字典或列表的形式提供。

1.将单个函数应用于组中的列

 

 

 

2.将多个函数应用于组中的列

 

 ② 数据透视

一.定义

大多数人可能都有使用Excel中的数据透视表的经验。pandas提供了一个类似的功能，称为pivot_table。

二.导入实验数据集

 

 

三.数据透视

 

 1.单索引

 

 2.多索引

 

 3.values字段显示定义我们关系的列

 

 4.aggfunc可进行数据运算

 

 

 

 

 

 

 

 5.columns变量可以定义一个或多个列

 

 6.margins = True可以查看汇总数据

 

 7.高级数据透视表过滤