使用 Pandas 进行分组和聚合

在本文中，我们将看到使用 Pandas 进行分组和聚合。分组和聚合将有助于使用各种功能轻松实现数据分析。这些方法将帮助我们进行分组和汇总我们的数据，并使复杂的分析变得相对容易。

创建各种主题标记的示例数据集。

Python

# import module
import pandas as pd
  
# Creating our dataset
df = pd.DataFrame([[9, 4, 8, 9],
                   [8, 10, 7, 6],
                   [7, 6, 8, 5]],
                  columns=['Maths',  'English', 
                           'Science', 'History'])
  
# display dataset
print(df)

输出：

Pandas 中的聚合

pandas 中的聚合提供了各种函数，可以对我们的数据集执行数学或逻辑运算并返回该函数的摘要。聚合可用于获取数据集中列的摘要，例如从数据集的特定列中获取总和、最小值、最大值等。用于聚合的函数是agg()，参数就是我们要执行的函数。

聚合中使用的一些函数是：

Function Description:

• sum()         :Compute sum of column values
• min()          :Compute min of column values
• max()         :Compute max of column values
• mean()       :Compute mean of column
• size()          :Compute column sizes
• describe()  :Generates descriptive statistics
• first()          :Compute first of group values
• last()          :Compute last of group values
• count()       :Compute count of column values
• std()           :Standard deviation of column
• var()           :Compute variance of column
• sem()         :Standard error of the mean of column

例子：

• sum()函数用于计算每个值的总和。

Python

df.sum()

输出：

• describe()函数用于获取我们数据集的摘要

Python

df.describe()

输出：

• 我们使用 agg()函数计算数据集中每列的总和、最小值和最大值。

Python

df.agg(['sum', 'min', 'max'])

输出：

在 Pandas 中分组

分组用于使用我们数据集中的某些标准对数据进行分组。它用作拆分-应用-组合策略。

• 根据某些标准将数据分组。
• 对每个组独立应用一个函数。
• 将结果组合成数据结构。

例子：

我们使用 groupby()函数根据“数学”值对数据进行分组。它返回对象作为结果。

Python

df.groupby(by=['Maths'])

输出：

应用 groupby()函数对“数学”值上的数据进行分组。要查看已形成组的结果，请使用 first()函数。

Python

a = df.groupby('Maths')
a.first()

输出：

每个团队中基于“数学”的第一个分组我们根据“科学”分组

Python

b = df.groupby(['Maths', 'Science'])
b.first()

输出：

在数据集上实现

这里我们使用的是钻石信息数据集。

Python

# import module
import numpy as np
import pandas as pd
  
# reading csv file
dataset = pd.read_csv("diamonds.csv")
  
# printing first 5 rows
print(dataset.head(5))

输出：

• 我们使用 cut 进行分组并获得所有列的总和。

Python

dataset.groupby('cut').sum()

输出：

• 在这里，我们使用剪切和颜色进行分组，并为所有其他组获取最小值。

Python

dataset.groupby(['cut', 'color']).agg('min')

输出：

• 在这里，我们使用颜色进行分组并获取价格组的总和、均值、最小值等汇总值。

Python

# dictionary having key as group name of price and
# value as list of aggregation function 
# we want to perform on group price
agg_functions = {
    'price':
    ['sum', 'mean', 'median', 'min', 'max', 'prod']
}
  
dataset.groupby(['color']).agg(agg_functions)

输出：

我们可以看到在 prod(product ie multiplication) 列中所有值都是 inf，inf 是数学上无穷大的数值计算的结果。