利用python进行数据分析10.1

第十章 分组聚合与分组操作

10.1 GroupBy机制

分组键的形式：

1. 与要分组的轴向上元素数量一致的值列表或值数组作为分组键；
2. DF的列名作为分组键；
3. 使用字典或者Series作为分组键；
4. 函数作为分组键。

1. 假设你想要使用key1标签计算data1列的均值，可以使用groupby方法：

   grouped=df['data1'].groupby(df['key1'])
   grouped.mean()
   

2. 使用多个数组作为分组键：

   means=df['data1'].groupby([df['key1'],df['key2']]).mean()
   means
   

​ 由于我们使用了两个键对数据进行了分组，所以在结果Series中，会出现一个包含唯一键对的多层索引。!

3. 使用与data1长度相同的Series作为分组键：

   states=np.array(['Ohio','California','California','Ohio','Ohio'])
   years=np.array([2005,2005,2006,2005,2006])
   df['data1'].groupby([states,years]).mean()
   

4. 使用列名作为分组键：

   df.groupby('key1').mean() 
   

分组键在DF中，key2这一列的数据类型非数值类型，所以在groupby中会默认被排除。

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

5. groupby的通用方法是size，size会返回一个包含数组大小信息的Serise。

10.1.1 遍历各个分组

1. groupby对象支持迭代：

   for name,group in df.groupby('key1'):
   	print(name)
       print(group)
   

​ name是key1中的 a 和 b。

2. 使用多键作为分组键，如何遍历各个分组：

   for  (k1,k2), group in df.groupby(['key1','key2']):
       print((k1,k2)
       print(group)
   

   (k1,k2)是根据['key1','key2']分组后的组别名称，分别有（a，one），（a，two），（b，one），（b，two）四个

3. 将groupby对象转换为字典对象更便于我们使用：

   pieces=dict(list(df.groupby('key1')))
   pieces['b'] //进行字典操作
   

4. 默认情况下，groupby在axis=0（y轴）上分组。

5. 可以使用axis=1或axis=0自定义按哪个轴进行分组。

10.1.2 选择一列或者是所有列的子集

1. 如果索引操作进行数据处理时，传递的是列表（比如[['data1']]）或者是数组，则索引操作返回的对象是分组的DataFrame：

   df['data1'].groupby(df['key1']).mean() //output是Series类型               
   

2. 如果只有列名作为标量传递，则为分组的Serise：

   df[['data1']].groupby(df['key1']).mean() //output是DataFrame类型   
   

10.1.3 使用字典和Series分组

1. 使用字典作为分组键：

   mapping={'a':'red','b':'red','c':'blue','d':'blue','e':'red','f':'orange'}
   by_column=people.groupby(mapping,axis=1)
   

2. 使用Series作为分组键：

   map_series=pd.Series(mapping)
   perple.groupby(map_series,axis=1).count()
   

   对people的X轴（axis=1）进行分组，分组键是map_series。

10.1.4 使用函数进行分组

1. 使用len（）函数作为分组键进行分组：

   people.groupby(len).sum()
   

   未指定根据哪个轴进行分组时，默认选择Y轴（0轴），同时根据index的长度进行分组。

2. 使用函数与数组、字典或Serise组成联合分组键进行分组：

   key_list=['one','one','one',two','two']
   people.groupby([len,key_list]).min()
   

要注意的是，列表key_list 中的元素要保证和len（）函数接收到的参数一致（即people的index个数一致）。

10.1.5 根据索引层级分组

根据索引分组时，将层级数值或层级名称传递给level关键字：

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