摘要

進行數據分析時，GroupBy分組統計是非常常用的操作，也是十分重要的操作之一。基本上大部分的數據分析都會用到該操作，本文將對Python的GroupBy分組統計操作進行講解。 碼字不易，喜歡請點贊，謝謝！！！

1.GroupBy過程
首先看看分組聚合的過程，主要包括拆分（split）、應用（Apply）和合并（Combine）

2.創建DataFrame

            
              import pandas as pd
ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
         'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
         'Rank': [1, 2, 2, 3, 3,4 ,1 ,1,2 , 4,1,2],
         'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
         'Points':[876,789,863,673,741,812,756,788,694,701,804,690]}
df = pd.DataFrame(ipl_data)
df

            
          

3.將df按照Team列分組
分組之后的grouped是個DataFrameGroupBy對象

            
              grouped = df.groupby('Team')
grouped

            
          

4.查看df按照Team分組之后結果
按照不同的Team值來分組

            
              grouped.groups

            
          

5.分組后的結果對Points求和

            
              grouped['Points'].sum()

            
          

分組后常用操作包括：求和(sum)、平均值(mean)、計數(count)等等，如下圖。

6.根據任意長度適當的數組分組

            
              import numpy as np
key1 = np.array(list('abababbaaabb'))
df.groupby(key1).Team.count()

            
          

7.對分組進行迭代
GroupBy分組產生的是一組二元元組，有分組名和數據塊組成。即(分組名、數據塊)。

            
              for name,group in df.groupby('Team'):
    print(name)
    print(group)
    print('*******分隔符*********')

            
          

另外，對于多重建分組的情況，元組的第一個元素將是由元組組成。
即（(分組名1,分組名2)、數據塊）。

            
              for (name1,name2),group in df.groupby(['Team','Rank']):
    print(name1)
    print(name2)
    print(group)
    print('*******分隔符*********')

            
          

圖片結果太長，只顯示了部分。

8.在不同軸上分組
GroupBy默認是在axis=0軸上進行分組的，也可以在axis=1軸上進行分組聚合，不過用的相對較少。

            
              df.dtypes

            
          

            
              grouped = df.groupby(df.dtypes, axis=1)
grouped.groups

            
          

9.通過字典或Series進行分組

            
              people = pd.DataFrame(np.random.randn(5, 5),
                      columns=['a', 'b', 'c', 'd', 'e'],
                      index=['Joe', 'Steve', 'Wes', 'Jim','Travis'])
people.iloc[2:3, [1, 2]] = np.nan
people

            
          

根據字典聚合

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

            
          

根據Series聚合

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

            
          

10.通過函數進行分組

            
              people.groupby(len).sum()

            
          

11.函數、數組、列表、字典、Series組合分組

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

            
          

12.根據索引級別分組
回到最初的DataFrame，給他重新定義成雙層索引，并且給索引命名

            
              df.columns = ([['a','a','a','b'],['Team', 'Rank', 'Year', 'Points']])
df.columns.names = ['one','two']
df

            
          

之后對索引名為one的進行分組聚合

            
              df.groupby(level='one',axis=1).count()

            
          

12.多函數聚合
其中多函數聚合中也可以使用自定義函數。

            
              df.columns = ['Team','Rank','Year','Points']
df.groupby('Team')['Points'].agg(['sum','mean','std'])

            
          

13.apply：一般性的“拆分-應用-合并”
定義函數：

            
              def top(df,n=2,column='Points'):
    return df.sort_index(by=column,ascending=False)[:n]

            
          

應用：

            
              df.groupby('Team').apply(top)

            
          

同時給apply函數傳入參數：

            
              df.groupby('Team').apply(top,n=3)