在数据分析中有时候需要自己定义分组规则 这里简单介绍一下用一个字典实现分组
|
1
2
3
4
5
6
7
|
people=DataFrame( np.random.randn(5,5), columns=['a','b','c','d','e'], index=['Joe','Steve','Wes','Jim','Travis'])mapping={'a':'red','b':'red','c':'blue','d':'blue','e':'red','f':'orange'}by_column=people.groupby(mapping,axis=1)#列方向上进行分组 |
这里不知道python底层是怎么运行的，最好把运行的结果打印出来看一下
|
1
2
|
for i in by_column: print (i) |
遍历的结果：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
('blue', c dJoe 0.218189 -0.228336Steve 1.677264 0.630303Wes 0.315320 -0.250787Jim 3.343462 0.483021Travis 0.854553 -0.760884)('red', a b eJoe 0.218164 0.823654 -1.425720Steve 1.191175 -0.327735 1.926470Wes -1.418855 0.497466 0.110105Jim -1.157157 0.817122 0.749023Travis -0.440583 -0.907922 1.374294) |
从结果可以看到,把a b e分给了red, c d分给了blue
a b e--->red
c d --->blue
接下来再来执行 people.groupby(mapping,axis=1).mean()
|
1
2
3
4
5
6
|
blue redJoe 0.241336 -0.182099Steve 0.459773 -0.448336Wes 0.205278 0.605721Jim -0.094838 1.254174Travis 0.354140 0.142075 |
从结果看到在列方向group分组 执行聚合函数mean()后列索引就只有 blue和red了。
整个过程可以这么理解 在列方向上进行分组 a b e为一组为red，c d 为一组为blue。最后以red blue作为新DataFraem的列索引
同样Series也有同样的功能，它可以被看作一个固定大小的映射。对于上面的那个例子，如果用series作为分组键，则pandas会检查Series以确保其索引分组轴是对齐的：
ser=Series(mapping)
a red
b red
c blue
d blue
e red
f orange
by_ser_group=people.groupby(ser,axis=1).mean()
blue red
Joe 0.241336 -0.182099
Steve 0.459773 -0.448336
Wes 0.205278 0.605721
Jim -0.094838 1.254174
Travis 0.354140 0.142075
从结果可以看到，通过字典进行分组和通过Series进行分组结果是相同的。也就是说他们执行的原理是相同的，都是把索引(对series来说)或字典的key与Dataframe的索引进行匹配，
字典中value或series中values值相同的会被分到一个组中，最后根据每组进行在聚合。
groupby的用法很多，之后有时间我会慢慢更新博客。如果有那些地方有错欢迎大家指出，一块学习，共同进步。
以上这篇Python数据分析中Groupby用法之通过字典或Series进行分组的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：http://www.cnblogs.com/nyist-/archive/2017/12/08/8003764.html
