【Python】进阶学习：pandas--groupby()用法详解
📊【Python】进阶���习：pandas–groupby()用法详解
🌈 个人主页：高斯小哥
🔥 高质量专栏：Matplotlib之旅：零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程👈 希望得到您的订阅和支持~
💡 创作高质量博文(平均质量分92+)，分享更多关于深度学习、PyTorch、Python领域的优质内容！（希望得到您的关注~）
🌵文章目录🌵
- 🤔 一、为什么需要groupby()？
- 🎯 二、groupby()的基本用法
- 📈 三、聚合运算
- 🛠️ 四、高级用法与技巧
- 🔧 应用自定义函数
- 🔄 数据转换
- 🔍 过滤数据
- 🛠️ 五、实际案例应用
- 🎉 六、总结
- 🤝 七、期待与你共同进步
👋 欢迎来到Python进阶学习之旅！今天，我们将深入探讨pandas库中非常强大的groupby()函数。groupby()函数在数据分析和数据清洗中发挥着关键作用，能够帮助我们轻松地对数据进行分组、聚合和转换。
🤔 一、为什么需要groupby()？
在处理大量数据时，我们经常需要按照某个或多个特征对数据进行分组，以便更好地理解数据的结构和关系。例如，我们可能希望按照年份、地区或产品类别对数据进行分组，并对每个组进行聚合运算，如求和、平均值、最大值等。这时，groupby()函数就显得非常有用。
🎯 二、groupby()的基本用法
首先，我们需要导入pandas库，并创建一个示例数据集。然后，我们可以使用groupby()函数按照指定的列对数据进行分组。
import numpy as np import pandas as pd # 创建一个简单的DataFrame data = { 'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'], 'C': np.random.randn(8), 'D': np.random.randn(8) } df = pd.DataFrame(data) # 使用groupby按列'A'进行分组 grouped = df.groupby('A') # 打印分组后的GroupBy对象 print(grouped)输出：
上述代码将按照列’A’的值对DataFrame进行分组，并返回一个GroupBy对象。我们可以进一步对这个对象进行聚合运算。
📈 三、聚合运算
GroupBy对象提供了多种聚合函数，如sum()、mean()、max()等。我们可以使用这些函数对每个组进行聚合运算。
import numpy as np import pandas as pd # 创建一个简单的DataFrame data = { 'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'], 'C': np.random.randn(8), 'D': np.random.randn(8) } df = pd.DataFrame(data) # 使用groupby按列'A'进行分组 grouped = df.groupby('A') # 打印分组后的对象 print(grouped) # 计算每个组的平均值 mean_grouped = grouped.mean() print(mean_grouped) # 计算每个组的总和 sum_grouped = grouped.sum() print(sum_grouped)输出：
C D A bar 0.658173 -0.225388 foo 0.778100 -0.164148 C D A bar 1.97452 -0.676164 foo 3.89050 -0.820740除了内置的聚合函数外，我们还可以使用agg()函数应用自定义的聚合函数。例如，我们可以计算每个组的标准差：
import numpy as np import pandas as pd # 创建一个简单的DataFrame data = { 'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'], 'C': np.random.randn(8), 'D': np.random.randn(8) } df = pd.DataFrame(data) # 使用groupby按列'A'进行分组 grouped = df.groupby('A') # 打印分组后的对象 print(grouped) # 计算每个组的标准差 std_grouped = grouped.agg(np.std) print(std_grouped)输出：
C D A bar 0.101229 0.274698 foo 0.996597 0.812362🛠️ 四、高级用法与技巧
除了基本的分组和聚合操作外，groupby()还提供了许多高级功能，如应用自定义函数、转换数据等。
🔧 应用自定义函数
我们可以使用apply()方法应用自定义函数到每个组。例如，我们可以定义一个函数来计算每个组的最大值和最小值之差：
import numpy as np import pandas as pd # 创建一个简单的DataFrame data = { 'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'], 'C': np.random.randn(8), 'D': np.random.randn(8) } df = pd.DataFrame(data) # 使用groupby按列'A'进行分组 grouped = df.groupby('A') # 打印分组后的对象 print(grouped) # 定义一个自定义函数，计算每个组的最大值和最小值之差 def range_diff(group): return group.max() - group.min() # 使用apply()应用自定义函数 diff_grouped = grouped.apply(range_diff) print(diff_grouped)输出：
C D A bar 2.497695 1.086924 foo 2.826518 2.063781🔄 数据转换
groupby()还提供了transform()方法，用于将聚合运算的结果广播到原始数据的每一行。这在数据转换中非常有用。
import numpy as np import pandas as pd # 创建一个简单的DataFrame data = { 'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'], 'C': np.random.randn(8), 'D': np.random.randn(8) } df = pd.DataFrame(data) # 使用groupby按列'A'进行分组 grouped = df.groupby('A') # 打印分组后的对象 print(grouped) # 使用transform()方法将每个组的平均值广播到原始数据的每一行 mean_transformed = grouped['C'].transform('mean') print(mean_transformed) # 将转换后的平均值添加到原始DataFrame中 df['C_mean'] = mean_transformed print(df)输出：
0 0.344876 1 -1.358760 2 0.344876 3 -1.358760 4 0.344876 5 -1.358760 6 0.344876 7 0.344876 Name: C, dtype: float64 A C D C_mean 0 foo 0.783914 -1.027288 0.344876 1 bar -2.072893 -0.972087 -1.358760 2 foo 0.035637 -0.315908 0.344876 3 bar -1.953068 0.409697 -1.358760 4 foo 0.576048 -0.258289 0.344876 5 bar -0.050318 -1.115734 -1.358760 6 foo 0.093456 0.106227 0.344876 7 foo 0.235322 1.365150 0.344876🔍 过滤数据
除了聚合和转换外，我们还可以使用filter()方法根据条件过滤出满足条件的组。
import numpy as np import pandas as pd # 创建一个简单的DataFrame data = { 'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'], 'C': np.random.randn(8), 'D': np.random.randn(8) } df = pd.DataFrame(data) # 使用groupby按列'A'进行分组 grouped = df.groupby('A') # 打印分组后的对象 print(grouped) # 使用filter()方法过滤出满足条件的组（例如，组的大小大于3） filtered_groups = grouped.filter(lambda x: len(x) > 3) print(filtered_groups)输出：
A C D 0 foo 1.967217 0.005976 2 foo 0.950149 0.098143 4 foo 0.568101 1.461587 6 foo -1.905337 -1.106591 7 foo -0.168686 0.692850🛠️ 五、实际案例应用
最后，让我们通过一个实际案例来演示如何应用groupby()函数进行数据分析和清洗。
假设我们有一个包含销售数据的DataFrame，其中包含日期、地区、产品名称、销售额等列。我们希望按地区和产品名称对数据进行分组，并计算每个组的总销售额。
import numpy as np import pandas as pd # 创建一个包含销售数据的DataFrame sales_data = { 'date': pd.date_range(start='2023-01-01', periods=100), 'region': np.random.choice(['North', 'South', 'East', 'West'], size=100), 'product': np.random.choice(['Product A', 'Product B', 'Product C'], size=100), 'sales': np.random.rand(100) * 1000 } df_sales = pd.DataFrame(sales_data) # 按地区和产品名称对数据进行分组，并计算总销售额 grouped_sales = df_sales.groupby(['region', 'product'])['sales'].sum().reset_index() # 打印分组后的销售额 print(grouped_sales)输出：
region product sales 0 East Product A 2728.679432 1 East Product B 1847.966730 2 East Product C 4518.356763 3 North Product A 5882.374531 4 North Product B 5519.364196 5 North Product C 4229.953852 6 South Product A 5303.784425 7 South Product B 2321.080682 8 South Product C 4239.002167 9 West Product A 1689.650513 10 West Product B 4002.790867 11 West Product C 4894.553548
在这个案例中，我们首先创建了一个包含销售数据的DataFrame。然后，我们使用groupby()函数按地区和产品名称对数据进行分组，并使用sum()函数计算每个组的总销售额。最后，我们使用reset_index()函数将结果转换为一个新的DataFrame，并打印出来。
🎉 六、总结
groupby()函数是pandas库中一个非常强大的工具，它允许我们按照一个或多个特征对数据进行分组，并对每个组进行聚合、转换和过滤操作。通过熟练掌握groupby()函数的用法，我们可以更高效地处理和分析大量数据，从而洞察数据的内在结构和关系。希望这篇博客能够帮助你更好地理解和应用groupby()函数！
🤝 七、期待与你共同进步
🌱 亲爱的读者，非常感谢你每一次的停留和阅读！你的支持是我们前行的最大动力！🙏
🌐 在这茫茫网海中，有你的关注，我们深感荣幸。你的每一次点赞👍、收藏🌟、评论💬和关注💖，都像是明灯一样照亮我们前行的道路，给予我们无比的鼓舞和力量。🌟
📚 我们会继续努力，为你呈现更多精彩和有深度的内容。同时，我们非常欢迎你在评论区留下你的宝贵意见和建议，让我们共同进步，共同成长！💬
💪 无论你在编程的道路上遇到什么困难，都希望你能坚持下去，因为每一次的挫折都是通往成功的必经之路。我们期待与你一起书写编程的精彩篇章！ 🎉
🌈 最后，再次感谢你的厚爱与支持！愿你在编程的道路上越走越远，收获满满的成就和喜悦！祝你编程愉快！🎉