pandasdataframe对象的分组机制groupby

groupby的操作可以被分为3部分&＃xff1a;

第一步&＃xff0c;存储于series或DataFrame中的数据&＃xff0c;根据不同的keys会被split&＃xff08;分割&＃xff09;为多个组。&＃xff08;这个分组可以按照不同的轴进行划分&＃xff0c;axis&＃61;0按照行&＃xff1b;axis&＃61;1按照列&＃xff09;

第二步&＃xff0c;我们可以把函数例如mean等&＃xff0c;apply在每一个组上&＃xff0c;产生一个新的值。

第三步&＃xff0c;函数产生的结果被combine(结合)为一个结果对象&＃xff08;result object&＃xff09;。

使用例子来看一下&＃xff0c;创建一个dataframe对象&＃xff1a;

df &＃61; pd.DataFrame({&＃39;key1&＃39; : [&＃39;a&＃39;, &＃39;a&＃39;, &＃39;b&＃39;, &＃39;b&＃39;, &＃39;a&＃39;],&＃39;key2&＃39; : [&＃39;one&＃39;, &＃39;two&＃39;, &＃39;one&＃39;, &＃39;two&＃39;, &＃39;one&＃39;], &＃39;data1&＃39; : np.random.randn(5), &＃39;data2&＃39; : np.random.randn(5)})
df

看一下创建的df对象&＃xff1a;

下面我们进行第一步&＃xff0c;按照key1作为关键字进行分组。需要分组的数据是data1。即对data1这个series进行分组&＃xff0c;分组的关键字是key1列。

grouped &＃61; df[&＃39;data1&＃39;].groupby(df[&＃39;key1&＃39;])

看一下grouped的属性&＃xff1a;

这个grouped变量是一个GroupBy object(分组对象)。实际上现在还没有进行任何计算。这个GroupBy object(分组对象)已经有了我们想要的信息&＃xff0c;现在需要的是对于每一个group进行一些操作。例如&＃xff0c;通过调用GroupBy的mean方法&＃xff0c;我们可以计算每个组的平均值&＃xff1a;

grouped.mean()

输出的结果如下&＃xff1a;

总结一下&＃xff1a;我们通过group key&＃xff08;分组键&＃xff09;对数据&＃xff08;a series&＃xff09;进行了聚合&＃xff0c;这产生了一个新的Series&＃xff0c;而且这个series的索引是key1列中不同的值&＃xff0c;index&＃xff08;索引&＃xff09;的名字也是key1&＃39;&＃xff0c;因为我们使用了df[&＃39;key1&＃39;]。