数据分组方法

• 分组计算根据某个或某几个字段对数据集进行分组，然后运用特点的函数，得到结果
• 使用groupby方法进行分组计算，得到分组对象GroupBy
• 语法为df.groupby(by=)
• 分组对象GroupBy可以运用描述性统计方法，如count(计数)、mean(均值)、median(中位数)、max(最大值)和min(最小值)等

import pandas as pd
import numpy as np
import os

  

 

  
1
  
2
  
3
 

os.getcwd()

  

 

  
1
 

'D:\\Jupyter\\notebook\\Python数据清洗实战\\数据清洗之数据统计'

  

 

  
1
 

os.chdir('D:\\Jupyter\\notebook\\Python数据清洗实战\\数据')

  

 

  
1
 

df = pd.read_csv('online_order.csv', encoding='gbk', dtype={'customer':str, 'order':str})

  

 

  
1
 

df.head(5)

  

 

  
1
 

grouped = df.groupby('weekday')

  

 

  
1
 

type(grouped)

  

 

  
1
 

pandas.core.groupby.generic.DataFrameGroupBy

  

 

  
1
 

grouped.mean()

  

 

  
1
 

grouped.mean()['Food%']

  

 

  
1
 

weekday
1 22.690866
2 23.994915
3 24.309274
4 24.374364
5 24.602790
6 23.743196
7 22.271512
Name: Food%, dtype: float64

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
 

# 多个字段分组
grouped = df.groupby(by=['customer', 'weekday'])

  

 

  
1
  
2
 

grouped.sum()['total_items']

  

 

  
1
 

customer  weekday
0 4 96 5 38
1 1 423 2 127 4 37 5 36
10 1 23 3 26
100 1 38 2 78 3 78 7 135
1000 2 6
10000 6 30
10001 6 15
10002 3 11 6 42 7 48
10003 2 4
10004 2 28 3 131 4 93
10005 7 29
10006 2 20 5 27 7 26
10007 2 6 6 15
10008 7 123
10009 1 2 ... 
9984 6 40 7 61
9985 6 11
9986 1 50 6 49 7 50
9987 1 23
9988 1 18 4 1
9989 1 27
999 1 173 2 45 4 60 5 137 7 149
9990 7 8
9991 6 46
9992 1 13 2 14 5 25 6 24
9993 6 8
9994 2 64 3 57
9995 7 14
9996 7 14
9997 6 5
9998 1 28 6 10
9999 6 4
Name: total_items, Length: 20777, dtype: int64

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
  
45
  
46
  
47
  
48
  
49
  
50
  
51
  
52
  
53
  
54
  
55
  
56
  
57
  
58
  
59
  
60
  
61
  
62
  
63
 

文章来源: ruochen.blog.csdn.net，作者：若尘，版权归原作者所有，如需转载，请联系作者。

原文链接：ruochen.blog.csdn.net/article/details/105589017