Pandas Groupby操作的25个示例

在Pandas库中，groupby操作是一种强大的工具，用于对数据进行分组、聚合、排序和过滤等操作。以下是通过25个示例来介绍groupby操作的不同应用场景。

1. 基本用法

   import pandas as pd
   # 创建一个简单的DataFrame
   df = pd.DataFrame({
   'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
   'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
   'C': np.random.randn(8),
   'D': np.random.randn(8)
   })
   # 使用列A进行分组
   grouped = df.groupby('A')

2. 聚合函数

   # 使用mean函数进行聚合
   grouped_mean = df.groupby('A').mean()
   # 使用sum函数进行聚合
   grouped_sum = df.groupby('A').sum()

3. 自定义聚合函数

   # 自定义一个聚合函数计算每组的最大值和最小值
   def custom_agg(x):
   return x.min(), x.max()
   grouped_custom = df.groupby('A').agg(custom_agg)

4. 多列分组

   # 使用多列进行分组
   grouped_multi = df.groupby(['A', 'B'])

5. 分组后排序

   # 按C列的平均值对分组后的数据进行排序
   grouped_sort = df.groupby('A').mean().sort_values('C')

6. 分组后过滤

   # 过滤出A列值为foo的组
   filtered_group = df.groupby('A').filter(lambda x: len(x) > 0)

7. 分组后应用函数到每组数据

   # 对每个组应用自定义函数，例如计算每组的平均值并取对数
   def custom_func(x):
   return np.log(x['C'].mean())
   grouped_apply = df.groupby('A').apply(custom_func)