数据分组
★ 使用 groupby() 方法进行分组
★ group.size()查看分组后每组的数量
★ group.groups 查看分组情况
★ group.get_group(“名字”) 根据分组后的名字选择分组数据
首先打开一份数据
使用 groupby() 方法进行分组
可以按 性别 进行分组，或者同时按 性别 和 婚姻状况 来分组
使用groupby的size方法可以查看分组后每组的数量, 并返回一个含有分组大小的Series
按性别分组：假如我想看男的有多少人？女的有多少人？
import pandas as pd
pd.set_option('display.unicode.ambiguous_as_wide', True) #处理数据的列标题与数据无法对齐的情况
pd.set_option('display.unicode.east_asian_width', True) #无法对齐主要是因为列标题是中文
df=pd.read_excel(r'C:\Users\Administrator\Desktop\python练习\xbx_stock_2019\People.xls',encoding='gbk')
df1=df.groupby('性别').size()
print(df1)
同时按 性别 和 婚姻状况 分组：
df.groupby(['性别','婚姻状况']).size()
对分组进行遍历
将分组后的对象进行遍历，可以获取到每个组的名字以及每个组的数据
例如我将上面的数据按照 性别 分组，它返回的是一个对象，结果是这样的：
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x00000000028FCBE0>
我们看不到里面的内容，如果想要里面有什么内容可以使用for循环把里面的数据遍历出来
import pandas as pd
pd.set_option('display.unicode.ambiguous_as_wide', True) #处理数据的列标题与数据无法对齐的情况
pd.set_option('display.unicode.east_asian_width', True) #无法对齐主要是因为列标题是中文
df=pd.read_excel(r'C:\Users\Administrator\Desktop\python练习\xbx_stock_2019\People.xls',encoding='gbk')
group=df.groupby('性别')
for df_name,df_DataFrame in group:
print(df_name)
print(df_DataFrame)
这样就能看到分组后的对象信息了
现在我有一个这样的需求，我想知道，分组后，各组的年龄最大值、最小值和平均值，需要怎么做呢？
方法如下：
import pandas as pd
pd.set_option('display.unicode.ambiguous_as_wide', True) #处理数据的列标题与数据无法对齐的情况
pd.set_option('display.unicode.east_asian_width', True) #无法对齐主要是因为列标题是中文
df=pd.read_excel(r'C:\Users\Administrator\Desktop\python练习\xbx_stock_2019\People.xls',encoding='gbk')
group=df.groupby('性别')
for df_name,df_age in group:
df_max=df_age['年龄'].max()
df_min=df_age['年龄'].min()
df_mean=df_age['年龄'].mean()
print(f'{df_name}性的最大年龄是：{df_max}，最小年龄是：{df_min}，平均年龄是：{df_mean}')
Pandas 常用的统计函数
- count() 统计列表中非空手机开的个数
- nunique() 统计非重复的数据个数
- sum() 统计列表中所有数值的和
- mean() 计算列表中数据的平均值
- median() 统计列表中数据中位数
- max() 求列表中数据的最大值
- min() 求列表中数据的最小值
对分组后的数据进行统计 agg()
agg()函数是聚合函数，它可以调用自定义的函数；对一列使用多个函数；对不同的列使用不同的函数。（用人话就是可以将多个统计函数一起放在一个 agg() 函数中）
还是拿上面的例子来演示一下：
import pandas as pd
pd.set_option('display.unicode.ambiguous_as_wide', True) #处理数据的列标题与数据无法对齐的情况
pd.set_option('display.unicode.east_asian_width', True) #无法对齐主要是因为列标题是中文
df=pd.read_excel(r'C:\Users\Administrator\Desktop\python练习\xbx_stock_2019\People.xls',encoding='gbk')
group=df.groupby('性别')
for df_name,df_age in group:
result=df_age['年龄'].agg(['max','min','mean'])
print(f'{df_name}性的最大年龄是：{result[0]}，最小年龄是：{result[1]}，平均年龄是：{result[2]}')
自定义统计函数
当使用自定义的统计函数时，先创建统计函数
import pandas as pd
pd.set_option('display.unicode.ambiguous_as_wide', True) #处理数据的列标题与数据无法对齐的情况
pd.set_option('display.unicode.east_asian_width', True) #无法对齐主要是因为列标题是中文
df=pd.read_excel(r'C:\Users\Administrator\Desktop\python练习\xbx_stock_2019\People.xls',encoding='gbk')
group=df.groupby('性别')
# 自定义的统计函数
def add(df):
return df.max()-df.min() # 返回最大值与最小之间的范围
for df_name,df_age in group:
result=df_age['年龄'].agg(['max','min','mean',add]) # 注意：自定义函数名字传入agg() 函数时, 不需要转换成字符串
print(f'{df_name}性的最大年龄是：{result[0]}，最小年龄是：{result[1]}，平均年龄是：{result[2]}，最大值与最小之间的范围：{result[3]}')
注意：自定义函数名字传入agg() 函数时, 不需要转换成字符串