Pandas.DataFrame.groupby() 数据分组(数据透视、分类汇总) 详解 含代码 含测试数据集 随Pandas版本持续更新_dataframe 分类汇总

关于Pandas版本： 本文基于 pandas2.2.0 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

传送门： Pandas API参考目录

传送门： Pandas 版本更新及新特性

传送门： Pandas 由浅入深系列教程

Pandas.DataFrame.groupby()

DataFrame.groupby() 方法用于使用映射器或指定的列，对 DataFrame 进行数据分组，可以实现类似Excel的数据透视、分类汇总的效果。

• DataFrame.groupby() 的底层逻辑是：

  • 1、根据指定的规则（由 by 参数指定）分割 DataFrame 为 groupby 对象；
    • 此时只是完成了 DataFrame 分割,仅仅是一个 groupby 对象，还没有完成汇总。这意味着无法像观察 DataFrame 一样观察它：
    • 可以使用 for 循环观察groupby 对象。 ^例1
    • 用于分组的分类内容，默认会作为这个新 DataFrame 的索引(行索引，或列名，具体视汇总方向而定)。^例2-5
  • 2、应用指定的方法，汇总、聚合被分割的数据。
    • 如果应用一种汇总计算方法，所有列都是用一种汇总方法进行聚合。^例2
    • 也可以通过 DataFrame.agg 指定不同的列使用不同的计算方法作为汇总方式。^例2-4
  • 3、应用聚合方法之后，DataFrame.groupby() 会自动的将聚合后的数据合并为新的 DataFrame。

  ⚠️ 注意:

  1、数据分割实际上是基于行索引进行的。

  2、你指定的分割依据(分组依据)需要尽可能的，和行索引等长。

数据分组流程示意图

语法：

DataFrame.groupby (by=None, axis=_NoDefault.no_default, level=None, as_index=True, sort=True, group_keys=True, observed=_NoDefault.no_default, dropna=True)

返回值：

• pandas.api.typing.DataFrameGroupBy
  • 返回包含分组信息的 groupby 对象。

参数说明：

by 指定分组依据

• **by:**mapping, function, label, pd.Grouper or list of such

  by 参数用于指定分组的依据（即分割DataFrame的依据）：

  • label(列名):用于把某列指定为分组依据

    • 当某列的数据具有分类特性，指定这个列的列名，作为分组依据 DataFrame 。^例1

  • mapping(映射):用于直接把行索引的值指定为分组依据

    • dict(字典):适用于行索引的值可以拿来做分组（常用于分组名称的重命名） ^例3
      • 传递一个字典，字典的键是行索引里的可以作为分组的值，字典的值你自定义的分组名；
      • 注意！如果只传递字典，你需要提前准备好行索引。并且行索引里的值，应该是可以有效分组的。
    • Series(序列):适用于你有一个和 DataFrame 行索引等长的 Series时 ^例4
      • 这个 Series 里的值，应该是可以有效分组的；
      • 这个 Series 建议和 DataFrame 行索引等长；
      • 如果这个Series 必须和 DataFrame 行索引不等长，会自动进行对齐（.align()），二者数据量如果差距太大，会产生很多缺失值，造成分组后计算不精准的结果。

  • function(函数): 函数将作用于行索引的每个值，并使用处理后的值，作为分组依据。 ^例5

    • 行索引中被函数处理后的值，并不会影响计算前的 groupby 对象。^例5-1
    • 行索引中被函数处理后的值，将展示在完成分组计算，合并后的 DataFrame。^例5-2

  • pd.Grouper:通常用于按照时间间隔分组，直接作用于行索引 ^例6

  • list of such:多个列构成多维度分组汇总

    • 列名列表： 常用于多维度分组汇总，列表里的第1个列名，默认作为顶层行索引，和其他列名构成多层索引。 ^例7

axis 指定分割方向

• axis: {0 or ‘index’, 1 or ‘columns’}, default 0

  axis 参数用于指定分割方向（可以参照此图，了解什么是分割 数据分组流程示意图）：

  • 0 or ‘index’: 默认为按行索引分割。
  • 1 or ‘columns’： 按列分割。

  ⛔ 弃用于 Pandas 2.1.0 :

  • axis=1 在 Pandas 2.1.0 版本标记为弃用。使用以下替代方法实现：

    • 先 转置 再 分组 frame.T.groupby(...) ^例8

  • 这样做的目的是：使分组后数据尽可能的保持更多的操作性和可读性。

level 指定多层索引的层级编号或层级名称

• level: int, level name, or sequence of such, default None ^例9

  如果 DataFrame 具有多层索引，可以用level参数指定级别的编号或名称，不能和 by 参数同时使用。

  • int:整数层级编号 可以用 整数层级编号 指定分组依据。^例9-2
  • level name:层级名称 可以用层级名称， 指定分组依据。^例9-2
  • sequence of such:层级编号列表，或层级名称列表 可以用层级编号列表，或层级名称列表指定多个分组依据，类似于 by 参数传递列名列表。^例9-3

as_index 排序方法（升序或降序）

• as_index: bool, default True ^例10

  as_index 参数控制是否将组标签作为索引返回。

  • 当 as_index=True 时，组标签将成为输出 DataFrame 的索引。
  • 当 as_index=False 时，组标签不会成为索引，而是返回一个类似 SQL 风格的输出。

sort 是否对组名排序

• sort: bool, default True ^例11

  sort 参数用于控制是否对分组名进行排序，默认 sort=True 会对组名进行排序。此参数不会影响每个组内观察值的顺序：

  • True: 对分组名进行排序。
  • False： 关闭分组名排序，如果关闭，则组将按其在原始 DataFrame 中的顺序显示，可以获得更高的性能。

  声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Gausst松鼠会/article/detail/153149