Pandas：GroupBy的七种方式

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

一、GroupBy的介绍

groupby就是将DataFrame按照指定的列进行分组,然后在每个组上应用函数进行映射，最后将映射的结果进行合并。Pandas中的groupby只是返回GroupBy对象，它只是记录了关于分组的信息，并不进行任何实质的计算。

二、GroupBy的方式

df = DataFrame({'key1':['a','a','b','b','a'],
               'key2':['one','two','one','two','one'],
               'data1':np.random.randn(5),
               'data2':np.random.randn(5),
               'data3':np.random.randn(5),
               'data4':np.random.randn(5)})
print(df)

      data1     data2     data3     data4 key1 key2
0  0.180213 -0.738877  0.486369  2.359576    a  one
1 -0.594930  0.139863 -0.150285 -1.128795    a  two
2  1.325142  1.194908  0.060578 -0.336161    b  one
3  1.610629 -0.687301 -0.227717 -0.909036    b  two
4  0.517015 -1.929637  0.990730 -0.677321    a  one

1.使用Series进行groupby

df['data1'].groupby(df['key1']) # df['key1']是Series

<pandas.core.groupby.SeriesGroupBy object at 0x000000B6B6EB5DA0>

2.使用列名进行groupby

df.groupby('key1')

<pandas.core.groupby.DataFrameGroupBy object at 0x000000B6AFCF7EB8>

3.使用外部的数据进行groupby

years = np.array([2005,2005,2006,2005,2006])
df.groupby(years)

<pandas.core.groupby.DataFrameGroupBy object at 0x000000B6B6ECE278>

4.使用多个列进行groupby

df.groupby(['key1','key2'])

<pandas.core.groupby.DataFrameGroupBy object at 0x000000B6B6ECE240>

5.使用字典进行groupby

将data1和data3分为组1，data2和data4分为组2

mapping = {'data1':1,'data2':2,'data3':1,'data4':2}
print(df.groupby(mapping,axis=1).sum())

        1.0       2.0
0  0.666582  1.620699
1 -0.745215 -0.988931
2  1.385720  0.858747
3  1.382913 -1.596337
4  1.507745 -2.606958

series也可以看做是一个字典

s = Series(mapping)
print(df.groupby(s,axis=1).sum())

        1.0       2.0
0  0.666582  1.620699
1 -0.745215 -0.988931
2  1.385720  0.858747
3  1.382913 -1.596337
4  1.507745 -2.606958

6.使用函数进行groupby

按列索引最后的数字进行分组，data1和key1是一组，data2和key2是一组，data3一组，data4一组

f = lambda x:x[-1]
print(df.groupby(f,axis=1).sum())

          1         2         3         4
0  0.180213 -0.738877  0.486369  2.359576
1 -0.594930  0.139863 -0.150285 -1.128795
2  1.325142  1.194908  0.060578 -0.336161
3  1.610629 -0.687301 -0.227717 -0.909036
4  0.517015 -1.929637  0.990730 -0.677321

7.使用索引进行groupby

columns = pd.MultiIndex.from_arrays([['US','US','US','JP','JP'],[1,3,5,1,3]],names = ['cty','tenor'])#二级列索引，并为每级索引命名
df = DataFrame(np.random.randn(4,5),columns=columns)
print(df)

cty          US                            JP          
tenor         1         3         5         1         3
0      1.005013  1.354099  0.384804 -1.185332 -0.949672
1     -0.393205 -0.844469 -0.577132  0.967219  0.211839
2      0.935070  0.545067 -0.023603  0.761364 -0.710385
3     -2.446770 -0.264199 -0.421761 -0.508110  1.243657

print(df.groupby(level='cty',axis=1).count())

cty  JP  US
0     2   3
1     2   3
2     2   3
3     2   3