Python数据分析中Groupby用法之通过字典或Series进行分组的实例

在数据分析中有时候需要自己定义分组规则这里简单介绍一下用一个字典实现分组people=DataF

在数据分析中有时候需要自己定义分组规则 这里简单介绍一下用一个字典实现分组

people=DataFrame(
 np.random.randn(5,5),
 columns=['a','b','c','d','e'],
 index=['Joe','Steve','Wes','Jim','Travis']
)
mapping={'a':'red','b':'red','c':'blue','d':'blue','e':'red','f':'orange'}
by_column=people.groupby(mapping,axis=1)#列方向上进行分组

这里不知道python底层是怎么运行的，最好把运行的结果打印出来看一下

for i in by_column:
 print (i)

遍历的结果：

('blue', c d
Joe 0.218189 -0.228336
Steve 1.677264 0.630303
Wes 0.315320 -0.250787
Jim 3.343462 0.483021
Travis 0.854553 -0.760884)
('red', a b e
Joe 0.218164 0.823654 -1.425720
Steve 1.191175 -0.327735 1.926470
Wes -1.418855 0.497466 0.110105
Jim -1.157157 0.817122 0.749023
Travis -0.440583 -0.907922 1.374294)

从结果可以看到,把a b e分给了red, c d分给了blue

a b e--->red

c d --->blue

接下来再来执行 people.groupby(mapping,axis=1).mean()

 blue red
Joe 0.241336 -0.182099
Steve 0.459773 -0.448336
Wes 0.205278 0.605721
Jim -0.094838 1.254174
Travis 0.354140 0.142075

从结果看到在列方向group分组 执行聚合函数mean()后列索引就只有 blue和red了。

整个过程可以这么理解 在列方向上进行分组 a b e为一组为red，c d 为一组为blue。最后以red blue作为新DataFraem的列索引

同样Series也有同样的功能，它可以被看作一个固定大小的映射。对于上面的那个例子，如果用series作为分组键，则pandas会检查Series以确保其索引分组轴是对齐的：

ser=Series(mapping) a red b red c blue d blue e red f orange

by_ser_group=people.groupby(ser,axis=1).mean()

blue red Joe 0.241336 -0.182099 Steve 0.459773 -0.448336 Wes 0.205278 0.605721 Jim -0.094838 1.254174 Travis 0.354140 0.142075

从结果可以看到，通过字典进行分组和通过Series进行分组结果是相同的。也就是说他们执行的原理是相同的，都是把索引(对series来说)或字典的key与Dataframe的索引进行匹配，

字典中value或series中values值相同的会被分到一个组中，最后根据每组进行在聚合。

groupby的用法很多，之后有时间我会慢慢更新博客。如果有那些地方有错欢迎大家指出，一块学习，共同进步。

以上这篇Python数据分析中Groupby用法之通过字典或Series进行分组的实例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脚本之家。