将操作应用于 Pandas 中的组

先决条件：熊猫

Pandas 是一个用于数据分析和数据操作的Python库。通常数据分析需要将数据分成组以对这些组执行各种操作。 Pandas 中的 GroupBy函数采用 split-apply-combine 策略，这意味着它执行组合 - 拆分对象，将函数应用于对象并组合结果。在本文中，我们将使用groupby()函数对分组数据执行各种操作。

聚合

聚合涉及使用诸如均值、中值、众数、最小值（最小值）、最大值（最大值）、标准差（标准差）、无功（方差）、总和、计数等方法创建数据的统计汇总。团体：

• 导入模块
• 创建或加载数据
• 创建一个 GroupBy 对象，该对象沿一个键或多个键对数据进行分组
• 应用统计操作。

示例 1：计算男性和女性组的平均工资和年龄。它给出数字列的平均值并为列名添加前缀。

Python3

# Import required libraries
import pandas as pd
import numpy as np
  
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
                   "gender": np.random.choice(["F", "M"], size=50),
                   "age": np.random.randint(22, 60, size=50),
                   "salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
  
# Calculate mean data of gender groups
df.groupby('gender').mean().add_prefix('mean_')

输出：

示例 2：使用接受字符串、函数或函数列表的聚合函数( DataFrameGroupBy.agg ) 执行多个聚合操作。

蟒蛇3

# Import required libraries
import pandas as pd
import numpy as np
  
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
                   "gender": np.random.choice(["F", "M"], size=50),
                   "age": np.random.randint(22, 60, size=50),
                   "salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
  
# Calculate min, max, mean and count of salaries
# in different departments for males and females
df.groupby(['dept', 'gender'])['salary'].agg(["min", "max", "mean", "count"])

输出：

示例 3：指定多列及其对应的聚合操作如下。

蟒蛇3

# Import required libraries
import pandas as pd
import numpy as np
  
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
                   "gender": np.random.choice(["F", "M"], size=50),
                   "age": np.random.randint(22, 60, size=50),
                   "salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
  
# Calculate mean salaries and min-max age of employees
# in different departments for gender groups
df.groupby(['dept', 'gender']).agg({'salary': 'mean', 'age': ['min', 'max']})

输出：

示例 4：显示任何组的通用统计信息。

蟒蛇3

# Import required libraries
import pandas as pd
import numpy as np
  
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
                   "gender": np.random.choice(["F", "M"], size=50),
                   "age": np.random.randint(22, 60, size=50),
                   "salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
  
# Statistics of employee age grouped by departments
df["age"].groupby(df['dept']).describe()

输出：

创建箱或组并应用操作

Pandas 的 cut 方法将值按 bin 间隔排序，从而创建组或类别。然后可以对这些组执行聚合或其他功能。其实现如下所示：

示例：年龄分为年龄范围，并计算样本数据中的观察计数。  

蟒蛇3

# Import required libraries
import pandas as pd
import numpy as np
  
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
                   "gender": np.random.choice(["F", "M"], size=50),
                   "age": np.random.randint(22, 60, size=50),
                   "salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
  
# Create bin intervals
bins = [20, 30, 45, 60]
  
# Segregate ages into bins of age groups
df['categories'] = pd.cut(df['age'], bins,
                          labels=['Young', 'Middle', 'Old'])
  
# Calculate number of obervations in each age category
df['age'].groupby(df['categories']).count()

输出：

转型

转换正在执行特定于组的操作，其中更改单个值而数据的形状保持不变。我们使用 transform()函数来做到这一点。

例子 ：

蟒蛇3

# Import required libraries
import pandas as pd
import numpy as np
  
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
                   "gender": np.random.choice(["F", "M"], size=50),
                   "age": np.random.randint(22, 60, size=50),
                   "salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
  
# Calculate mean difference by transforming each salary value
df['mean_sal_diff'] = df['salary'].groupby(
    df['dept']).transform(lambda x: x - x.mean())
df.head()

输出：