pandas数据预处理之dataframe的groupby操作方法
在数据预处理过程中可能会遇到这样的问题,如下图:数据中某一个key有多组数据,如何分别对每个key进行相同的运算?
dataframe里面给出了一个group by的一个操作,对于”group by”操作,我们通常是指以下一个或多个操作步骤:
l (Splitting)按照一些规则将数据分为不同的组;
l (Applying)对于每组数据分别执行一个函数;
l (Combining)将结果组合到一个数据结构中;
使用dataframe实现groupby的用法:
# -*- coding: UTF-8 -*- import pandas as pd df = pd.DataFrame([{'col1':'a', 'col2':1, 'col3':'aa'}, {'col1':'b', 'col2':2, 'col3':'bb'}, {'col1':'c', 'col2':3, 'col3':'cc'}, {'col1':'a', 'col2':44, 'col3':'aa'}]) print df # 按col1分组并按col2求和 print df.groupby(by='col1').agg({'col2':sum}).reset_index() # 按col1分组并按col2求最值 print df.groupby(by='col1').agg({'col2':['max', 'min']}).reset_index() # 按col1 ,col3分组并按col2求和 print df.groupby(by=['col1', 'col3']).agg({'col2':sum}).reset_index()
输出结果为:
col1 col2 col3 0 a 1 aa 1 b 2 bb 2 c 3 cc 3 a 44 aa
col1 col2 0 a 45 1 b 2 2 c 3
col1 col2 max min 0 a 44 1 1 b 2 2 2 c 3 3
col1 col3 col2 0 a aa 45 1 b bb 2 2 c cc 3
注意点:
代码中调用了reset_index() 函数, 如果不使用这个函数输出的结果将是:
col2 col1 a 45 b 2 c 3 col2 max min col1 a 44 1 b 2 2 c 3 3 col2 col1 col3 a aa 45 b bb 2 c cc 3
上下两个结果还是有区别的,但是具体区别暂时不太清楚,不过下面的一种输出结果是不能跟使用df['col1']来提取第一列的。至于是什么原因暂时还不清楚,如果您对pandas比较理解或者知道原因,欢迎在评论中留言。
以上这篇pandas数据预处理之dataframe的groupby操作方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们。
您可能感兴趣的文章:
- python pandas中DataFrame类型数据操作函数的方法
- 在Python中利用Pandas库处理大数据的简单介绍
- 用Python的pandas框架操作Excel文件中的数据教程
赞 (0)