标签：Category Product group df pandas GroupBy groupby mean
Pandas groupby 是pandas的灵魂之一， 就像excel 里我们可以简单的去求 mean，如果让你按照月份去求 mean，这时需要 groupby date 然乎利用 mean() 函数，
一个不错的推文 Pandas GroupBy 深度总结
5种 groupby 技巧，实际使用用所涉及的技巧远远多于这五个技巧。
首先导入数据：数据原来于 data github
import pandas as pd
df = pd.read_csv("Dummy_Sales_Data_v1.csv")
df.head()
直接使用 .groupby()，将会返回一个 GroupBy 对象，其实它是一个字典 ， key 是 被划分的每个唯一的值， value是 GroupBy 中未提及的一些数值。
df_group = df.groupby("Product_Category")
type(df_group)
# Output
pandas.core.groupby.generic.DataFrameGroupBy
分组数(Number of Groups)
使用groupby 之后，我们想知道划分出了多少个组：
df.Product_Category.nunique()
-- Output
5
或者
df_group = df.groupby("Product_Category")
df_group.ngroups
-- Output
5
小组内计数(Group Sizes)
统计分组内每个小组数据的个数，可以使用.size()
df.groupby("Product_Category").size()
这个和count计数效果其实差不多：
df.groupby("Product_Category").count()
在pandas中 agg 函数中
.count()仅仅针对 non-null 进行计数，.size()则返回每个小组内可用的行数，而不去看具体的values 是否是 non-null 。
分组第一行
查看每个分组下的第一行：
df.groupby("Product_Category").first()
查看每个分组下的最后一行：
df.groupby("Product_Category").last()
如果想查看每个分组下地第三行：
df.groupby("Product_Category").nth(3) # 分组第三行
df.groupby("Product_Category").nth(0) # 分组第一行
df.groupby("Product_Category").nth(-1) # 分组最后一行
那 .first() 与 .nth(0) 有什么差异？
.first()会返回第一行 non-null的行，.nth(0)返回的行 可以是null，.nth(0)并不关注这行是否是 null。同样适用于 .last()
抓取分组（get_group）
get_group() 可以从 Groupby 对象中得到具体的分组。
df_group.get_group('Healthcare')
我们也可以通过切片查找 Product_Category == 'Home' 的数据，当然也可以使用 groupby
# slice
df[df["Product_Category"]=='Home']
# groupby
# groupby 是 更高效的，用时是slice的 1/4
df_group = df.groupby("Product_Category")
df_group.get_group('Home')
如果想要对.get_group() 输入多个value，这时需要写一个 for loop 如何去定义 value ？ 我们之前提及到 GroupBy 是一个字典：
for name_of_group, contents_of_group in df_group:
print(name_of_group)
print(contents_of_group)
agg 多列用不同的函数
对比每个 product category 计算平均价格 和 平均质量
#Create a groupby object
df_group = df.groupby("Product_Category")
#Select only required columns
df_columns = df_group[["UnitPrice(USD)","Quantity"]]
#Apply aggregate function
df_columns.mean()
我们还可以添加更多的列， 使用agg函数,
.min(),.max(),.count(),.median(),.std()
可以将上述三行codes变成一行：
df.groupby("Product_Category")[["UnitPrice(USD)","Quantity"]].mean()
使用 agg 函数：
df.groupby("Product_Category")[["Quantity"]].aggregate([min,
max,
sum,
'mean'])
为什么最后使用了 'mean'？当我们使用 agg 函数时，其实本质时时调用 pd.DataFrame 自带的函数 或者使用 DataFrame.apply() 。对于'mean' 时, .aggregate() 将会搜索python中默认的mean函数， 调用了 pd.Series.mean()
我们也可对不同的列使用不同的函数：
function_dictionary = {'OrderID':'count','Quantity':'mean'}
df.groupby("Product_Category").aggregate(function_dictionary)
我们也可以通过 .describe() 做一些基础的描述性统计， 包括 count, mean, std, min, max 和 median。
df.groupby("Product_Category")[["Quantity"]].describe()
END
标签：Category,Product,group,df,pandas,GroupBy,groupby,mean 来源： https://www.cnblogs.com/RankFan/p/16618546.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。