使用 Pandas 分组机制剖析数据

Pandas 分组机制简介

Pandas 是 Python 中一个强大的数据分析和处理库，提供了广泛的功能来操作和处理数据。groupby 是 Pandas 中一个特别有用的工具，它允许用户根据特定列或多个列对数据进行分区，并为每个组执行聚合操作。

语法

Pandas 中 groupby 的基本语法如下：

df.groupby(by=None, axis=0, level=None, as_index=True, sort=True)

其中：

• df 是要进行分組的数据框
• by 指定要进行分組的列或列列表
• axis 指定要进行分組的方向（0 表示行，1 表示列）
• level 指定要进行分組的层次结构中的级别
• as_index 指定是否将分組的索引用作新数据框的索引
• sort 指定是否对分組后的数据进行排序

用法

使用 groupby 机制非常简单。要根据特定列或列列表对数据进行分組，请使用以下步骤：

1. 使用 groupby() 方法指定要分組的数据框和分組列或列列表。
2. 指定要执行的聚合操作，例如求和（sum()）、求平均值（mean()）或求计数（count()）。
3. 存储分組后的结果并将其分配给一个新数据框或其他数据结构。

例如，要根据用户 ID 对数据框 df 进行分組并计算每组用户的总购买金额，可以执行以下操作：

df.groupby('user_id')['purchase_amount'].sum()

这将返回一个包含每组总购买金额的新数据框，索引为用户 ID。

实际示例

案例：根据月份对销售数据进行分組

考虑一个包含销售数据的 sales_data 数据框，我们希望对数据进行分組并计算每个月的总销售额。我们可以使用以下步骤：

1. 使用 groupby() 方法根据月份列对数据框 sales_data 进行分組：

grouped_sales = sales_data.groupby('month')

2. 使用 sum() 方法计算每个月的总销售额：

total_sales_by_month = grouped_sales['sales_amount'].sum()

3. 将结果存储在 total_sales_by_month 新数据框中：

total_sales_by_month = pd.DataFrame({'total_sales': total_sales_by_month})

最终，我们得到一个包含每个月总销售额的新数据框，可以用来分析销售趋势和制定明智的业务决策。

更多功能

groupby 机制还提供其他功能，例如：

• 过滤组： 可以使用 filter() 方法过滤组。
• 转换组： 可以使用 transform() 方法转换组。
• 应用函数： 可以使用 apply() 方法将函数应用于组。
• 多重索引： groupby 可以处理具有多重索引的数据框。

结论

Pandas 中的 groupby 机制是一个强大的工具，可用于对数据执行基于组操作。通过理解其语法和用法，您可以有效地利用它来分析数据、发现洞察力并做出明智的业务决策。