锐客网

  1. 首页 > 睿知 > it技术 > >

python数据分组函数 python 分组函数

IT技术数据

python_分组、排序1、分组
grouped = df['需要计算python数据分组函数的列名'].groupby(df['需要分组的列名']).sum() --求和或者其python数据分组函数他函数
小tipspython数据分组函数：数值区间筛选查询数量
小于10：
df[(df.列名10)].count()
大于等于10python数据分组函数，小于20：
df[(df.列名=10)(df.列名20)].count()--重点：中间连接用
2、排序
df.sort_values(by='要排序的列',axis=0,ascending=False)
axis=0 按照列排序，=1 按照行排序
ascending=False 降序  ，  =True 升序
Python分组前言分组原理
核心：
1.不论分组键是数组、列表、字典、Series、函数python数据分组函数 ， 只要其与待分组变量的轴长度一致都可以传入groupby进行分组 。
2.默认axis=0按行分组python数据分组函数，可指定axis=1对列分组 。
对数据进行分组操作的过程可以概括为：split-apply-combine三步：
1.按照键值（key）或者分组变量将数据分组 。
2.对于每组应用python数据分组函数我们的函数python数据分组函数，这一步非常灵活，可以是python自带函数，可以是我们自己编写的函数 。
3.将函数计算后的结果聚合 。
1 分组模式及其对象
1.1 分组的一般模式
三个要素:分组依据、数据来源、操作及其返回结果
df.groupby(分组依据)[数据来源].使用操作
1.2 分组依据的本质
1.3Groupby 对象
通过 ngroups 属性，可以访问分为了多少组:
通过 groups 属性，可以返回从 组名映射到 组索引列表的字典:
当 size 作为 DataFrame 的属性时，返回的是表长乘以表宽的大小，但在 groupby 对象上表示统计每个组的 元素个数:
通过 get_group 方法可以直接获取所在组对应的行，此时必须知道组的具体名字:
1.4 分组的三大操作
分组的三大操作:聚合、变换和过滤
2.聚合函数
2.1内置聚合函数
包括如下函数: max/min/mean/median/count/all/any/idxmax/idxmin/mad/nunique/skew/quantile/sum/std/var/sem/size/prod
2.2agg 方法
【a】使用多个函数
当使用多个聚合函数时，需要用列表的形式把内置聚合函数的对应的字符串传入，先前提到的所有字符串都是合法的 。
【b】对特定的列使用特定的聚合函数
对于方法和列的特殊对应，可以通过构造字典传入 agg 中实现 ， 其中字典以列名为键，以聚合字符串或字符串列表为值 。
【c】使用自定义函数
在 agg 中可以使用具体的自定义函数，需要注意传入函数的参数是之前数据源中的列，逐列进行计算
【d】聚合结果重命名 如果想要对结果进行重命名 ， 只需要将上述函数的位置改写成元组，元组的第一个元素为新的名字，第二个位置为原来的函数，包括聚合字符串和自定义函数
3 变换和过滤
3.1 变换函数与 transform 方法
变 换 函 数 的 返 回 值 为 同 长 度 的 序 列 ，  最 常 用 的 内 置 变 换 函 数 是 累 计 函 数:cum- count/cumsum/cumprod/cummax/cummin，它们的使用方式和聚合函数类似，只不过完成的是组内 累计操作 。
3.2 组索引与过滤
过滤在分组中是对于组的过滤 ， 而索引是对于行的过滤
组过滤作为行过滤的推广，指的是如果对一个组的全体所在行进行统计的结果返回 True 则会被保留，False 则该组会被过滤，最后把所有未被过滤的组其对应的所在行拼接起来作为 DataFrame 返回 。
在 groupby 对象中 ， 定义了 filter 方法进行组的筛选，其中自定义函数的输入参数为数据源构成的 DataFrame 本身 ， 在之前例子中定义的 groupby 对象中，传入的就是 df[['Height', 'Weight']]，因此所有表方法和属性 都可以在自定义函数中相应地使用，同时只需保证自定义函数的返回为布尔值即可 。

推荐阅读


上一篇：鸿蒙系统4.0是最高的吗，鸿蒙系统的最低要求

下一篇：网络信息安全毕业设计题目推荐，网络信息安全毕业论文