pandas数据预处理之dataframe的groupby操作方法

在数据预处理过程中可能会遇到这样的问题，如下图：数据中某一个key有多组数据，如何分别对每个key进行相同的运算？

dataframe里面给出了一个group by的一个操作，对于”group by”操作，我们通常是指以下一个或多个操作步骤：

l （splitting）按照一些规则将数据分为不同的组；

l （applying）对于每组数据分别执行一个函数；

l （combining）将结果组合到一个数据结构中；

使用dataframe实现groupby的用法：

# -*- coding: utf-8 -*-
import pandas as pd
df = pd.dataframe([{'col1':'a', 'col2':1, 'col3':'aa'}, {'col1':'b', 'col2':2, 'col3':'bb'}, {'col1':'c', 'col2':3, 'col3':'cc'}, {'col1':'a', 'col2':44, 'col3':'aa'}])
print df
# 按col1分组并按col2求和
print df.groupby(by='col1').agg({'col2':sum}).reset_index()
# 按col1分组并按col2求最值
print df.groupby(by='col1').agg({'col2':['max', 'min']}).reset_index()
# 按col1 ，col3分组并按col2求和
print df.groupby(by=['col1', 'col3']).agg({'col2':sum}).reset_index()

输出结果为：

 col1 col2 col3 
0  a   1  aa 
1  b   2  bb 
2  c   3  cc 
3  a  44  aa 

 col1 col2 
0  a  45 
1  b   2 
2  c   3 

 col1 col2   
    max min 
0  a  44  1 
1  b  2  2 
2  c  3  3 

 col1 col3 col2 
0  a  aa  45 
1  b  bb   2 
2  c  cc   3 

注意点：

代码中调用了reset_index() 函数, 如果不使用这个函数输出的结果将是：

   col2
col1   
a    45
b    2
c    3
   col2  
   max min
col1     
a   44  1
b    2  2
c    3  3
      col2
col1 col3   
a  aa   45
b  bb    2
c  cc    3

上下两个结果还是有区别的，但是具体区别暂时不太清楚，不过下面的一种输出结果是不能跟使用df['col1']来提取第一列的。至于是什么原因暂时还不清楚，如果您对pandas比较理解或者知道原因，欢迎在评论中留言。

以上这篇pandas数据预处理之dataframe的groupby操作方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。