Pandas 分組聚合操作

1. 前言

上一節(jié)我們學習了 Pandas 對數(shù)據(jù)的重塑操作，可以滿足我們對數(shù)據(jù)集不同結構的分析需要，而有時候我們還需要對數(shù)據(jù)依據(jù)某個類別進行分組的需要，以及在分組后對每組數(shù)據(jù)進行分析的需要，那 Pandas 中的數(shù)據(jù)分組操作又是怎么實現(xiàn)的呢？

Pandas 庫中提供了友好的數(shù)據(jù)分組聚合操作，分組聚合的過程包括數(shù)據(jù)的拆分、應用和聚合，如下圖所示的過程。數(shù)據(jù)的分組操作主要涉及函數(shù) groupby ()，而聚合函數(shù)則有很多，在下面的學習中我們會列舉一些聚合函數(shù)的具體使用方法。

2. 分組操作

Pandas 中的分組操作主要通過函數(shù) groupby () 實現(xiàn)，該函數(shù)對數(shù)據(jù)進行分組，并不會產(chǎn)生運算，分組后會返回一個 groupby 對象，該對象并不能展示數(shù)據(jù)，要通過具體的操作函數(shù)才能看到數(shù)據(jù)結果。

首先我們通過 Pandas 解析 Excel 數(shù)據(jù)，得到 DataFrame 數(shù)據(jù)對象：

# 導入pandas包
import pandas as pd
data_path="C:/Users/13965/Documents/myFuture/IMOOC/pandasCourse-progress/data_source/第19小節(jié)/execl數(shù)據(jù)demo.xlsx"
# 解析數(shù)據(jù)
data = pd.read_excel(data_path)
print(data)

# --- 輸出結果 ---
   編程語言 技術方向   推出時間  年均銷售數(shù)量    價格      主要創(chuàng)始人
0  java   后端       1995年     230       45.6               James Gosling
1  HTML   前端       1990年     124       55.3          Daniel W. Connolly
2     C   后端       1972年      35       33.9  Dennis MacAlistair Ritchie
3    js   前端       1995年     678       59.5                Brendan Eich
4   C++   后端       1983年     125       75.0           Bjarne Stroustrup
5   CSS   前端       1990年     254       24.6             Tim Berners-Lee

接下來我們進行分組操作：

# data 為上面解析的數(shù)據(jù)對象
# 這里依據(jù)技術方向列進行分組
data.groupby('技術方向')
# --- 輸出結果 ---
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000001D618583070>
# 結果解析：這里我們使用的是單個索引‘技術方向’進行分組，也可以傳入一個列表進行分組。這里可以看到輸出的是一個 DataFrameGroupBy 對象

3. 聚合操作

聚合操作是分組的目的，通過聚合操作對各組數(shù)據(jù)進行聚合，得到一定的分析效果，Pandas 中提供了大量的聚合操作函數(shù)，我們下面列舉了部分，用以展示數(shù)據(jù)分組后進行聚合操作的效果。

下面我們通過代碼詳細介紹聚合函數(shù)的使用：

1. sum() 函數(shù)

該函數(shù)用于求各組數(shù)值數(shù)據(jù)的和，非數(shù)值數(shù)據(jù)不進行該聚合操作。

data.groupby(['技術方向','推出時間']).sum()
# --- 輸出結果 ---
                 年均銷售數(shù)量	價格
技術方向	推出時間		
  前端	 1990年	378	   79.9
          1995年	 678	59.5
  后端	 1972年	35	   33.9
          1983年	 125	75.0
          1995年	 230	45.6
# 結果解析：這里我們指定分組索引依據(jù)為列表，傳入‘技術方向’，‘推出時間’，則分組是先以技術方向分為“前端”和“后端”，再以推出時間進行分組，帶分組之后，進行 sum() 各組求和的聚合運算，得到各組的年均銷售數(shù)量和價格的數(shù)據(jù)結果。

在這里我們要補充一個下 groupby () 函數(shù)中的一個參數(shù)：as_index ，該參數(shù)默認為 True，是用來指定是否用分組索引作為聚合結果數(shù)據(jù)集的行索引，上面的代碼中，默認 as_index=True ，因此行索引會有兩層，分別為技術方向和推出時間，下面我們通過指定 as_index=False , 默認行索引會從 0 開始生成序列：

# data 為上面解析的數(shù)據(jù)對象
# 指定 as_index=False
data.groupby(['技術方向','推出時間'],as_index=False).sum()
# --- 輸出結果 ---
  技術方向	推出時間 年均銷售數(shù)量	價格
0	前端	1990年	   378	   79.9
1	前端	1995年	   678	   59.5
2	后端	1972年	   35	   33.9
3	后端	1983年	   125	   75.0
4	后端	1995年	   230	   45.6
# 結果解析：可以看到聚合后的數(shù)據(jù)集行索引為默認生成。

2. count() 函數(shù)

該函數(shù)用于計算分組后各組數(shù)據(jù)的數(shù)量。

# data 為上面解析的數(shù)據(jù)對象
# count() 函數(shù)
data.groupby(['技術方向','推出時間'],as_index=False)['編程語言','年均銷售數(shù)量','價格'].count()
# --- 輸出結果 ---
   技術方向	推出時間  編程語言 年均銷售數(shù)量 價格
0	前端	  1990年	    2	    2	    2
1	前端	  1995年	    1	    1	    1
2	后端	  1972年	    1	    1	    1
3	后端	  1983年	    1	    1	    1
4	后端	  1995年	    1	    1	    1

結果解析：這里我們通過 count () 進行聚合，并指定只聚合 “編程語言”，“年均銷售數(shù)量”，“價格” 列的數(shù)據(jù)數(shù)量。

3. mean() 函數(shù)

該函數(shù)用于進行各分組數(shù)據(jù)的平均值的計算，該函數(shù)只對數(shù)值數(shù)據(jù)進行聚合。

# data 為上面解析的數(shù)據(jù)對象
# mean() 函數(shù)
data.groupby(['技術方向'],as_index=False).mean()
# --- 輸出結果 ---
  技術方向	年均銷售數(shù)量	價格
0	前端	    352	    46.466667
1	后端	    130	    51.500000

結果解析：通過 groupby 指定以技術方向進行分組，分為前端和后端，然后進行平均值的聚合操作。

4. 小結

本節(jié)課程我們主要學習了 Pandas 對數(shù)據(jù)進行分組和聚合操作的內容，通過分組操作可以將數(shù)據(jù)根據(jù)不同的組類進行分組，通過聚合函數(shù)可以達到對每組數(shù)據(jù)的不同分析需要。本節(jié)課程的重點如下：

• 了解分組和聚合之間的關系；
• 掌握分組操作 groupby () 函數(shù)的使用方法；
• 掌握常用的聚合操作函數(shù)的使用方法。