“拆分-應用-合併"分組運算，python分組技術groupby應用詳解3
“拆分-應用-合併“分組運算過程，python分組技術groupby應用詳解
“拆分-應用-合併”分組運算，python分組技術groupby應用詳解2
基於上述文章，進行連載！具體如下文所示。
選取一個或一組列
對於由DataFrame產生的GroupBy物件，如果用一個（單個字串）或一組（字串陣列）列名對其進行索引，就能實現選取部分列進行聚合的目的。
In ［28］： import numpy as np
。。。： import pandas as pd
。。。： from pandas import Series，DataFrame
。。。： df=DataFrame（{‘key1’：［‘a’，‘a’，‘b’，‘b’，‘a’］，‘key2’：［‘one’，‘two’，‘one’，‘two’，‘one’］，
‘data1’：np。random。randn（5），‘data2’：np。random。randn（5）}）
In ［29］： df
Out［29］：
key1 key2 data1 data2
0 a one 1。523269 -0。063037
1 a two -0。368826 -0。406932
2 b one 0。753990 -1。866066
3 b two 0。602979 -1。923139
4 a one -1。712829 0。600494
In ［30］： df。groupby（‘key1’）［‘data1’］
Out［30］：
In ［31］： df。groupby（‘key1’）［［‘data2’］］
Out［31］：
試一下程式碼的語法糖：
In ［32］： df［‘data1’］。groupby（df［‘key1’］）
Out［32］：
In ［33］： df［［‘data2’］］。groupby（df［‘key1’］）
Out［33］：
尤其對於大資料集，很可能只需要對部分列進行聚合
In ［34］： df。groupby（［‘key1’，‘key2’］）［［‘data2’］］。mean（）
Out［34］：
data2
key1 key2
a one 0。268729
two -0。406932
b one -1。866066
two -1。923139
這種索引操作所返回的物件是一個已分組的DataFrame（如果傳入的是列表或陣列）或已分組的Series（如果傳入的是標量形式的單個列名）：
In ［35］： s_grouped=df。groupby（［‘key1’，‘key2’］）［‘data2’］
In ［36］： s_grouped
Out［36］：
In ［37］： s_grouped。mean（）
Out［37］：
key1 key2
a one 0。268729
two -0。406932
b one -1。866066
two -1。923139
Name： data2， dtype： float64
透過字典或Series進行分組
In ［38］： people=DataFrame（np。random。randn（5，5），columns=［‘a’，‘b’，‘c’，‘d’，‘e’］，
index=［‘Joe’，‘Steve’，‘Wes’，‘Jim’，‘Travis’］）
In ［39］： people
Out［39］：
a b c d e
Joe 0。798251 -2。181076 -1。002941 -1。216847 -1。306730
Steve -0。384873 -0。712956 2。000298 -0。201616 0。618182
Wes 2。630382 0。643784 -0。609386 1。151120 -0。780954
Jim 0。226097 -0。177566 0。615332 -0。199972 -0。995759
Travis 0。283909 0。601818 -0。264502 -0。997113 0。205104
#新增幾個NA值
In ［40］： people。ix［2：3，［‘b’，‘c’］］=np。nan
In ［41］： people
Out［41］：
a b c d e
Joe 0。798251 -2。181076 -1。002941 -1。216847 -1。306730
Steve -0。384873 -0。712956 2。000298 -0。201616 0。618182
Wes 2。630382 NaN NaN 1。151120 -0。780954
Jim 0。226097 -0。177566 0。615332 -0。199972 -0。995759
Travis 0。283909 0。601818 -0。264502 -0。997113 0。205104
假設已知列的分組關係，並希望根據分組計算列的總計：
In ［
39
］： mapping={‘a’：‘red’，‘b’：‘red’，‘c’：‘blue’，‘d’：‘blue’，‘e’：‘red’，‘f’：‘orange’}
將這個字典傳給groupby即可：
In ［43］： by_column=people。groupby（mapping，axis=1）
In ［44］： by_column。sum（）
Out［44］：
blue red
Joe -2。219788 -2。689556
Steve 1。798682 -0。479647
Wes 1。151120 1。849428
Jim 0。415360 -0。947227
Travis -1。261615 1。090831
Series也有同樣的功能，它可以被看做一個固定大小的對映。
如果用Series作為分組鍵，則pandas會檢查Series以確保其索引跟分組軸是對齊的：
In ［46］： map_series
Out［46］：
a red
b red
c blue
d blue
e red
f orange
dtype： object
In ［47］： people。groupby（map_series，axis=1）。count（）
Out［47］：
blue red
Joe 2 3
Steve 2 3
Wes 1 2
Jim 2 3
Travis 2 3
