Pandas分组与排序的实现
更新时间：2019年07月23日 10:30:29 作者：ai_1046067944
这篇文章主要介绍了Pandas分组与排序的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
一、pandas分组
1、分组运算过程：split->apply->combine
- 拆分：进行分组的根据
- 应用：每个分组运行的计算规则
- 合并：把每个分组的计算结果合并起来
2、分组函数
DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs
by： 依据哪些列进行分组，值可以是：mapping, function, label, or list of labels
3、聚合函数
4、分组聚合实例
单列分组
>>> import pandas as pd
>>> df = pd.DataFrame({'A': ['a', 'b', 'a', 'c', 'a', 'c', 'b', 'c'], 'B': [2, 8, 1, 4,
3, 2, 5, 9], 'C': [102, 98, 107, 104, 115, 87, 92, 123], 'D': [2, 98, 17, 14, 15, 7, 92,
13]})
>>> df
A B C D
0 a 2 102 2
1 b 8 98 98
2 a 1 107 17
3 c 4 104 14
4 a 3 115 15
5 c 2 87 7
6 b 5 92 92
7 c 9 123 13
>>> df.groupby(by='A').sum()
B C D
A
a 6 324 34
b 13 190 190
c 15 314 34
多列分组
>>> df.groupby(by=['A','B']).sum() ###A,B成索引
C D
A B
a 1 107 17
2 102 2
3 115 15
b 5 92 92
8 98 98
c 2 87 7
4 104 14
9 123 13
多列聚合
>>> df.groupby(by=['A','B'])['C'].sum() ###1个列
A B
a 1 107
2 102
3 115
b 5 92
8 98
c 2 87
4 104
9 123
>>> df.groupby(by=['A','B'])['C','D'].sum() ###2个列
C D
A B
a 1 107 17
2 102 2
3 115 15
b 5 92 92
8 98 98
c 2 87 7
4 104 14
9 123 13
多列不同聚合方式
>>> import numpy as np
>>> df.groupby(by=['A']).agg({'C':[np.mean, 'sum'], 'D':['count',np.std]})
C D
mean sum count std
A
a 108.000000 324 3 8.144528
b 95.000000 190 2 4.242641
c 104.666667 314 3 3.785939
>>>ps: 不同列使用多个不同函数进行聚合C： mean，sum；D：count，std
返回值类型区别
方法1：agg
>>> df.groupby(by=['A']).agg({'C':[np.mean]})
C
mean
A
a 108.000000
b 95.000000
c 104.666667
>>> type(df.groupby(by=['A']).agg({'C':[np.mean]}))
<class 'pandas.core.frame.DataFrame'>
方法2：索引
>>> df.groupby(by=['A'])['C'].mean()
A
a 108.000000
b 95.000000
c 104.666667
Name: C, dtype: float64
>>> type(df.groupby(by=['A'])['C'].mean())
<class 'pandas.core.series.Series'>
总结： 两种方法结果一样，但是一个类型是DataFrame,一个为Series；有时候会用上
二、pandas排序
按索引进行降序排列
>>> df A B C D 0 a 2 102 2 1 b 8 98 98 2 a 1 107 17 3 c 4 104 14 4 a 3 115 15 5 c 2 87 7 6 b 5 92 92 7 c 9 123 13 >>> df.sort_index(ascending=False) ### 索引 A B C D 7 c 9 123 13 6 b 5 92 92 5 c 2 87 7 4 a 3 115 15 3 c 4 104 14 2 a 1 107 17 1 b 8 98 98 0 a 2 102 2
按值进行降序排列
>>> df.sort_values(by="A",ascending=False) # 按某一列 A B C D 3 c 4 104 14 5 c 2 87 7 7 c 9 123 13 1 b 8 98 98 6 b 5 92 92 0 a 2 102 2 2 a 1 107 17 4 a 3 115 15 >>> df.sort_values(by=["B","A"],ascending=False) # 按2列 A B C D 7 c 9 123 13 1 b 8 98 98 6 b 5 92 92 3 c 4 104 14 4 a 3 115 15 5 c 2 87 7 0 a 2 102 2 2 a 1 107 17
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
相关文章
在Python中实现AES算法需要借助的第三方库Crypto，其在各个操作系统上的安装方法有些许复杂，所以对于简单的使用有点杀鸡用牛刀的意思。这篇文章主要介绍了利用Python内置方法实现字符串的秘钥加解密,需要的朋友可以参考下2019-12-12
HDFS是Apache Hadoop的分布式文件系统，本文主要介绍了Python读取HDFS目录下的所有文件的实现示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-07-07
这篇文章主要给大家介绍了关于如何利用Python代码实现一键抠背景的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用Python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧2019-12-12
这篇文章主要介绍了Python pandas实现excel工作表合并功能以及相关实例代码，需要的朋友们参考学习下。2019-08-08
详解Pytorch 使用Pytorch拟合多项式(多项式回归)
这篇文章主要介绍了详解Pytorch 使用Pytorch拟合多项式(多项式回归),小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-05-05
这篇文章主要介绍了Python如何利用pandas读取csv数据并绘图，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-07-07
今天小编就为大家分享一篇使用python进行波形及频谱绘制的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-06-06
解决pycharm导入本地py文件时,模块下方出现红色波浪线的问题
这篇文章主要介绍了解决pycharm导入本地py文件时,模块下方出现红色波浪线的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
这篇文章主要为大家介绍了python调用系统中应用程序详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-06-06
今天小编就为大家分享一篇python中for用来遍历range函数的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-06-06
最新评论