在 Pandas 数据框中对分类变量进行分组

首先，我们必须了解 pandas 中的分类变量是什么。分类是Python的 pandas 库中可用的数据类型。分类变量只接受固定类别（通常是固定数量）的值。分类变量的一些例子是性别、血型、语言等。与这些变量的一个主要对比是这些变量不能进行数学运算。

可以使用Dataframe构造函数并指定 dtype = “category”在 pandas 中创建由分类值组成的数据框。

Python3

# importing pandas as pd 
import pandas as pd 
  
# Create the dataframe 
# with categorical variable 
df = pd.DataFrame({'A': ['a', 'b', 'c',
                         'c', 'a', 'b'],
                   'B': [0, 1, 1, 0, 1, 0]},
                  dtype = "category")
# show the data types
df.dtypes

输出：

这里有一个重要的事情是每列中生成的类别不同，转换是逐列完成的，我们可以在这里看到：

输出：

现在，在某些工作中，我们需要对分类数据进行分组。这是使用 pandas 中给出的groupby()方法完成的。它返回 groupby 列的所有组合。与 groupyby 一起，我们必须传递一个聚合函数，以确保我们将在什么基础上对变量进行分组。一些聚合函数是mean()、sum()、count()等。

现在应用我们的 groupby() 和 count()函数。

Python3

# initial state
print(df)
  
# counting number of each category
print(df.groupby(['A']).count().reset_index())

输出：

数据框

按列“A”分组

现在，再举一个 mean()函数的例子。这里A列被转换为分类，所有其他都是数字，平均值是根据A列和B列的类别计算的。

Python3

# importing pandas as pd 
import pandas as pd 
  
# Create the dataframe 
df = pd.DataFrame({'A': ['a', 'b', 'c', 
                         'c', 'a', 'b'], 
                   'B': [0, 1, 1, 
                         0, 1, 0], 
                   'C':[7, 8, 9,
                        5, 3, 6]})
  
# change tha datatype of 
# column 'A' into category
# data type
df['A'] = df['A'].astype('category')                                                                                                                                                                                                   
  
# initial state
print(df)
  
# calculating mean with 
# all combinations of A and B
print(df.groupby(['A','B']).mean().reset_index())

输出：

数据框

按列“A”和“B”分组

其他聚合函数也使用groupby()以相同的方式实现。