Pandas 中的 GroupBy 和聚合多列数据

Python 6月前 110

Pandas 库是 Python 中一个强大的数据分析库。我们可以在 Python 中使用 Pandas 对数据框执行许多不同类型的操作。

groupby() 是一种根据特定标准将数据分成多个组的方法。之后，我们可以对分组的数据进行某些操作。

在 Pandas Python 中的多列上应用 `groupby()` 和 `aggregate()` 函数

有时我们需要对来自多个列的数据进行分组并应用一些 aggregate() 方法。aggregate() 方法是那些将多行的值组合并返回单个值的方法，例如 count()、size()、mean()、sum()、mean() 等

在以下代码中，我们的学生数据包含某些列的冗余值。如果你想根据学生的姓名和部门对数据进行分组以获得他们的总分，我们将根据名称和部门对数据进行分组，然后使用 aggregate() 方法计算总分。

我们已经存储了返回的结果并显示了它。

示例代码：

#Python 3.x
import pandas as pd
student= {
    'Name':["Jhon", "Alia", "Jhon", "Alia", "Sam", "Smith", "Sam", "Smith"],
    'Section' :["A", "A", "A", "A", "B", "B", "B", "B"],
    'Course' :["Java", "Java", "Dart", "Dart", "Java", "Java", "Dart", "Dart"],
    'Marks':[70, 80, 90, 60, 80, 90, 50, 80],
          }
df = pd.DataFrame(student)
display(df)
result = df.groupby(['Name','Section']).aggregate('sum')
display(result)

输出：

Pandas 中的 GroupBy 和聚合多列数据

我们还可以一次执行多个聚合操作。我们会将操作名称列表传递给 aggregate() 方法。

在这里，我们通过传递操作名称列表，使用 aggregate() 方法一次计算学生的平均分和总分。

示例代码：

#Python 3.x
import pandas as pd
student= {
    'Name':["Jhon", "Alia", "Jhon", "Alia", "Sam", "Smith", "Sam", "Smith"],
    'Section' :["A", "A", "A", "A", "B", "B", "B", "B"],
    'Course' :["Java", "Java", "Dart", "Dart", "Java", "Java", "Dart", "Dart"],
    'Marks':[70, 80, 90, 60, 80, 90, 50, 80],
          }
df = pd.DataFrame(student)
display(df)
result = df.groupby(['Name','Section']).aggregate(['mean', 'sum'])
display(result)