admin 管理员组文章数量: 887021
2024年2月18日发(作者：简述openstack架构工作流程)
groupby用法
Groupby是pandas中一种常用的分组运算。它把相同的值划分到同一个分组，根据给定的函数计算每个组的行数，分组变量可以是数值类型，也可以是字符串类型，这取决于数据集本身。
Groupby能够帮助我们快速获取一组数据的多个统计信息，比如分组平均值、标准差、中位数等。它可以用来执行聚合操作，如计算计数、平均值、标准差、最大值、最小值等等，还可以进行复杂的分组计算，如分组逻辑运算符，通过它可以实现分组转换等操作。
### 二、基本用法
Groupby函数使用方法如下：
- y(by=None, axis=0, level=None)
其中，by参数用来指定根据哪些字段来进行分组，可以是字符串类型，也可以是数值类型；
axis参数来指定分组的轴，通常会设置为0，即按行进行分组）；
level参数用来指定某个索引级别，如按索引的第一级进行分组。
### 三、groupby的一般使用
Groupby的一般使用形式是 y(by=group_by_column，其中group_by_column是指要按分组的列，比如有一个表格data，里面有4列，其中有一列是name：
| name | color | price | size |
| ----- | ------- | ------ | ------ |
| Tom | red | 10 | S |
- 1 -
| Tom | blue | 20 | M |
| Lily | yellow | 30 | L |
当我们按照name来分组时，可以使用下面的代码：
y(name
这时，程序会把data中的所有行分成2组：一组是name为Tom的行，另一组是name为Lily的行。
###、groupby的常用方法
Groupby函数是一个可以返回Groupby对象的函数，Groupby对象有很多常用的方法，如sum()、mean()、std()、max()、min()等等，可以计算每个组的和、均值、标准差、最大最小值等等。
比如我们可以使用以下代码查看每个组的平均值：
y(namemean()
运行结果如下：
| name | color | price | size |
| ----- | ------- | ------ | ------ |
| Tom | | 15 | |
| Lily | yellow | 30 | L |
可以看到，函数按照name进行分组，计算每组的平均值。
### 五、groupby的其他应用场景
Groupby的用途不仅仅局限于聚合操作，它还能实现复杂的分组运算，比如可以实现分组转换等操作。
比如，当我们想要对每组的数据进行特殊的转换时，可以使用以 - 2 -
下代码：
y(nametransform(func)
其中，func是自定义的函数，它会把每组数据进行特定处理后返回一个新的数据，而transform函数会将新数据插入到原数据中。
###、小结
Groupby是pandas中一种常用的分组运算，能够帮助我们快速获取一组数据的多个统计信息，Groupby函数可以实现聚合操作，也可以实现复杂的分组运算，如分组转换等操作。
- 3 -
版权声明：本文标题：groupby用法 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/free/1708270786h518260.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论