import numpy as np
import pandas as pd
from pandas import Series,DataFrame一、聚集函数
1.聚集函数就是一种将一组数转换为一个标量值的函数
2.经过优化的groupby聚集函数
| 函数名 | 说明 |
|---|---|
| count | 分组中非NA值的数量 |
| sum | 非NA值的和 |
| mean | 非NA值的平均值 |
| median | 非NA值的算术中位数 |
| std、var | 无偏(分母为n-1)标准差和方差 |
| min、max | 非NA值的最小值和最大值 |
| prod | 非NA值的积 |
| first、last | 第一个和最后一个非NA值 |
二、在单列上应该聚集函数
df = DataFrame({'类别':['水果','水果','水果','蔬菜','蔬菜','肉类','肉类'],
'产地':['美国','中国','中国','中国','新西兰','新西兰','美国'],
'水果':['苹果','梨','草莓','番茄','黄瓜','羊肉','牛肉'],
'数量':[5,5,9,3,2,10,8],
'价格':[5,5,10,3,3,13,20]})
print(df) 产地 价格 数量 水果 类别
0 美国 5 5 苹果 水果
1 中国 5 5 梨 水果
2 中国 10 9 草莓 水果
3 中国 3 3 番茄 蔬菜
4 新西兰 3 2 黄瓜 蔬菜
5 新西兰 13 10 羊肉 肉类
6 美国 20 8 牛肉 肉类
1.使用pandas提供的聚集函数
df.groupby('类别')['数量'].sum()类别
水果 19
肉类 18
蔬菜 5
Name: 数量, dtype: int64
2.使用自己定义的聚集函数–agg或aggregate
f = lambda x:x.max()-x.min() #计算极差
df.groupby('类别')['价格'].agg(f)类别
水果 5
肉类 7
蔬菜 0
Name: 价格, dtype: int64
3.某些非聚合函数也可以应用
print(df.groupby('类别').describe()) 价格 数量 \
count mean std min 25% 50% 75% max count mean
类别
水果 3.0 6.666667 2.886751 5.0 5.00 5.0 7.50 10.0 3.0 6.333333
肉类 2.0 16.500000 4.949747 13.0 14.75 16.5 18.25 20.0 2.0 9.000000
蔬菜 2.0 3.000000 0.000000 3.0 3.00 3.0 3.00 3.0 2.0 2.500000
std min 25% 50% 75% max
类别
水果 2.309401 5.0 5.00 5.0 7.00 9.0
肉类 1.414214 8.0 8.50 9.0 9.50 10.0
蔬菜 0.707107 2.0 2.25 2.5 2.75 3.0
二、在多列上应用聚集函数
1.应用单个函数
df.groupby(['类别','产地'])['数量'].count()类别 产地
水果 中国 2
美国 1
肉类 新西兰 1
美国 1
蔬菜 中国 1
新西兰 1
Name: 数量, dtype: int64
2.应用多个函数
应用的函数名便是列名
print(df.groupby(['类别','产地'])['数量'].agg(['mean','count',f])) mean count <lambda>
类别 产地
水果 中国 7 2 4
美国 5 1 0
肉类 新西兰 10 1 0
美国 8 1 0
蔬菜 中国 3 1 0
新西兰 2 1 0
使用元组显式的指定列名
print(df.groupby(['类别','产地'])['数量'].agg([('均值','mean'),('数量','count'),('极差',f)])) # (列名:函数名) 均值 数量 极差
类别 产地
水果 中国 7 2 4
美国 5 1 0
肉类 新西兰 10 1 0
美国 8 1 0
蔬菜 中国 3 1 0
新西兰 2 1 0
3.不同的列应用不同的函数
print(df.groupby(['类别','产地']).agg({'价格':'mean','数量':f})) #在列'价格'上应用mean函数，在列'数量'上应用极差函数f 价格 数量
类别 产地
水果 中国 7.5 4
美国 5.0 0
肉类 新西兰 13.0 0
美国 20.0 0
蔬菜 中国 3.0 0
新西兰 3.0 0