目录

• 1 数据分组统计 groupby
• • 1.1 按照单列进行分组统计df.groupby('列名').count()
  • 1.2 按照多列进行分组统计 df.groupby(['列名1','列名2']).count()
  • 1.3 分组填充缺失值 df.groupby('需填充列名').apply(lambda x:x.fillna(x.mean()))
• 2 分组运算 agg
• • 2.1 传入标准函数 df.groupby('班级').agg(np.sum)
  • 2.2 不同的列不同的聚合函数 df.groupby('班级').agg({'数量':np.sum,'分数':np.mean})
  • 2.3 自定义函数
  • 2.4 调用多个聚合函数
• 3 数据透视表
• • 3.1 透视表 pivot_table
  • 3.2 交叉表 crosstab

1 数据分组统计 groupby

分割 split: 按照键值（key）或者分组变量将数据分组
应用 apply: 对每个组应用函数, 通常是累计,转换或过滤函数
组合 combine: 将每一组的结果合并成一个输出组

常用功能

1. len(gp1) #组数2. gp1.size() #每组的记录个数3. df3.groupby(["小组","评级"])  #得到的结果是一个groupby对象4. gp1.mean()  #每组组内的平均值，还有sum、max、min、count5. apply #自定义统计函数（自己定义一个函数,作为参数，会自动将函数应用到每一组数据当中去）

1.1 按照单列进行分组统计df.groupby(‘列名’).count()

# 创建示例DataFramedata = {'班级': ['一班', '一班','一班','二班', '二班','二班','三班','三班','三班'],        '科目': ['物理', '化学', '生物','物理', '化学', '生物','物理', '化学', '生物'],        '数量': [17, 29, 18,37,48,32,17, 29, 18],        '分数': [87, 89, 88,77,98,82,97, 89, 78]}df = pd.DataFrame(data)

# 创建示例DataFramedata = {'班级': ['一班', '一班','一班','二班', '二班','二班','三班','三班','三班'],        '科目': ['物理','生物','生物','物理', '物理', '生物','化学', '化学', '生物'],        '姓名': ['张三', '章中', '贺天','紫瞳','西德','魏斯','明峰', '希方', '塞法'],        '分数': [87, 89, 88,77,98,82,97, 89, 78]}df = pd.DataFrame(data)#实现组内排序，排序的时候，科目作为第一排序依据，用来排序的数值字段（分数）作为第二排序依据df.sort_values(['科目','分数'],ascending=[False,True]).groupby('科目').head(3)

1.2 按照多列进行分组统计 df.groupby([‘列名1’,‘列名2’]).count()

# 创建示例DataFramedata = {'班级': ['一班', '一班','一班','二班', '二班','二班','三班','三班','三班'],        '科目': ['物理','生物','生物','物理', '物理', '生物','化学', '化学', '生物'],        '姓名': ['张三', '章中', '贺天','紫瞳','西德','魏斯','明峰', '希方', '塞法'],        '分数': [87, 89, 88,77,98,82,97, 89, 78]}df = pd.DataFrame(data)#按照科目、班级进行分组求平均df[['科目','班级','分数']].groupby(['科目','班级']).mean()

1.3 分组填充缺失值 df.groupby(‘需填充列名’).apply(lambda x:x.fillna(x.mean()))

# 创建示例DataFramedata = {'年级': ['1', '1','1','2', '2','3','3','3','3'],        '姓名': ['张三', '章中', '贺天','紫瞳','西德','魏斯','明峰', '希方', '塞法'],        '年龄': [17, 19, np.NaN,18,np.NaN,15,18, 18,np.NaN ]}df = pd.DataFrame(data)df

#按照年级分组填充缺失的年龄df.groupby('年级').apply(lambda x:x.fillna(x.mean()))

新增加一列 年龄ew 将填充后的年龄补充上去

2 分组运算 agg

数据聚合（agg）：一般指的是能够从数组产生的标量值的数据转换过程，常见的聚合运算都有相关的统计函数快速实现，也可以自定义聚合运算。

2.1 传入标准函数 df.groupby(‘班级’).agg(np.sum)

data = {'班级': ['一班', '一班','一班','二班', '二班','二班','三班','三班','三班'],        '科目': ['物理', '化学', '生物','物理', '化学', '生物','物理', '化学', '生物'],        '数量': [17, 29, 18,37,48,32,17, 29, 18],        '分数': [87, 89, 88,77,98,82,97, 89, 78]}df = pd.DataFrame(data)#数值列按照分组标准快速聚合df.groupby('班级').agg(np.sum) 

2.2 不同的列不同的聚合函数 df.groupby(‘班级’).agg({‘数量’:np.sum,‘分数’:np.mean})

#不同的列传入不同的函数mappping = {'数量':np.sum,'分数':np.mean}df.groupby('班级').agg(mappping)

2.3 自定义函数

#求针对各科目最高分数与最低分数之间的差值def cha(x):    return x.max() - x.min()df[['科目','分数']].groupby('科目').agg([cha])

2.4 调用多个聚合函数

df[['班级','分数']].groupby('班级').agg([np.max,np.min,np.mean])

3 数据透视表

3.1 透视表 pivot_table

透视表(pivot table)： 透视表指根据一个或多个键值对数据进行聚合，根据行或列的分组键将数据划分到各个区域中

#pivot_table 其实就是将groupby封装起来了df[['班级','分数']].pivot_table(index = ['班级']) #先按照班级分组，再求mean

data = {'班级': ['一班', '一班','一班','二班', '二班','二班','三班','三班','三班'],        '科目': ['物理', '化学', '生物','物理', '化学', '生物','物理', '化学', '生物'],        '数量': [17, 29, 18,37,48,32,17, 29, 18],        '分数': [87, 89, 88,77,98,82,97, 89, 78]}df = pd.DataFrame(data)df.pivot_table(index = ['班级','科目']) #先按照班级然后按照科目分许，默认求均值

df.pivot_table(index = ['班级'],aggfunc = np.sum)#求和

pd.pivot_table(df3,values="总分",index="评级",columns=["班级","小组"])

3.2 交叉表 crosstab

交叉表(crosstab)： 交叉表用于统计分组频率的特殊透视表

#groupby实现pd.crosstab(df['班级'],df['科目']) df[['班级','科目','姓名']].groupby(['班级','科目']).count().unstack().fillna(0)

来源地址：https://blog.csdn.net/one_bird_/article/details/130936543