《Python數據分析極簡入門》

第2節 7 Pandas分組聚合

分組聚合（group by）顧名思義就是分2步：

• 先分組：根據某列數據的值進行分組。用groupby()對某列進行分組
• 后聚合：將結果應用聚合函數進行計算。在agg()函數里應用聚合函數計算結果，如sum()、mean()、count()、max()、min()等，用于對每個分組進行聚合計算。

import pandas as pd
import numpy as np
import random

df = pd.DataFrame({'A': ['a', 'b', 'a', 'b','a', 'b'],
                   'B': ['L', 'L', 'M', 'N','M', 'M'],
                   'C': [107, 177, 139, 3, 52, 38],
                   'D': [22, 59, 38, 50, 60, 82]})

df

單列分組

① 對單列分組后應用sum聚合函數

df.groupby('A').sum()

② 對單列分組后應用單個指定的聚合函數

df.groupby('A').agg({'C': 'min'}).rename(columns={'C': 'C_min'})

③ 對單列分組后應用多個指定的聚合函數

df.groupby(['A']).agg({'C':'max','D':'min'}).rename(columns={'C':'C_max','D':'D_min'})

兩列分組

① 對多列分組后應用sum聚合函數：

df.groupby(['A', 'B']).sum()

② 對兩列進行group 后，都應用max聚合函數

df.groupby(['A','B']).agg({'C':'max'}).rename(columns={'C': 'C_max'})

③ 對兩列進行分組group 后，分別應用max、min聚合函數

df.groupby(['A','B']).agg({'C':'max','D':'min'}).rename(columns={'C':'C_max','D':'D_min'})

補充1： 應用自定義的聚合函數

df = pd.DataFrame({'A': ['a', 'b', 'a', 'b','a', 'b'],
                   'B': ['L', 'L', 'M', 'N','M', 'M'],
                   'C': [107, 177, 139, 3, 52, 38],
                   'D': [22, 59, 38, 50, 60, 82]})

df

# 使用自定義的聚合函數計算每個分組的最大值和最小值
def custom_agg(x):
    return x.max() - x.min()
result =  df[['B','C']].groupby('B').agg({'C': custom_agg})
result

補充2： 開窗函數（類似于SQL里面的over partition by）：

使用transform函數計算每個分組的均值

# 使用transform函數計算每個分組的均值
df['B_C_std'] =  df[['B','C']].groupby('B')['C'].transform('mean')
df

補充3： 分組聚合拼接字符串 pandas實現類似 group_concat 功能

假設有這樣一個數據：

df = pd.DataFrame({
    '姓名': ['張三', '張三', '張三', '李四', '李四', '李四'],
    '科目': ['語文', '數學', '英語', '語文', '數學', '英語']
})

df

補充：按某列分組，將另一列文本拼接合并

按名稱分組，把每個人的科目拼接到一個字符串：

# 對整個group對象中的所有列應用join 連接元素
(df.astype(str)# 先將數據全轉為字符
.groupby('姓名')# 分組
.agg(lambda x : ','.join(x)))[['科目']]# join 連接元素