English | 简体中文 | 繁體中文 | Русский язык | Français | Español | Português | Deutsch | 日本語 | 한국어 | Italiano | بالعربية

Pandas 教程

Pandas GroupBy

Pandas GroupBy的操作实例

任何groupby操作都会对原始对象进行以下操作：

拆分对象 应用函数 合并结果

在许多情况下，我们将数据分成几组，然后在每个子集上应用一些功能。在Apply功能中，我们可以执行以下操作-

聚合 − 计算汇总统计 转换 − 分组操作 필터링 − 在某些条件下过滤数据

现在我们创建一个DataFrame对象并对其执行所有操作。

#import the pandas library
　import pandas as pd
　ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
　　　　'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
　　　　'순위': [1　2　2　3　34　1　12　　412],
　　　　'연도': [201420152014201520142015201620172016201420152017],
　　　　'점수': [876789863673741812756788694701804690]}
　df = pd.DataFrame(ipl_data)
　print(df)

실행 결과는 다음과 같습니다:

　　　　　　점수      랭킹       팀       연도
0　　　　　　876　　　　　　1　　　Riders　　　2014
1　　　　　　789　　　　　　2　　　Riders　　　2015
2　　　　　　863　　　　　　2　　　Devils　　　2014
3　　　　　　673　　　　　　3　　　Devils　　　2015
4　　　　　　741　　　　　　3　　　　Kings　　　2014
5　　　　　　812　　　　　　4　　　　kings　　　2015
6　　　　　　756　　　　　　1　　　　Kings　　　2016
7　　　　　　788　　　　　　1　　　　Kings　　　2017
8　　　　　　694　　　　　　2　　　Riders　　　2016
9　　　　　　701　　　　　　4　　　Royals　　　2014
10　　　　　804　　　　　　1　　　Royals　　　2015
11　　　　　690　　　　　　2　　　Riders　　　2017

将数据分成组

象可以拆分为任何对象。有多种分割对象的方法，例如：

obj.groupby('key') obj.groupby(['key1','key2']) obj.groupby(key,axis=1)

现在我们看看如何将分组对象应用于DataFrame对象

实例

#　import　the　pandas　library
　import pandas as pd
　ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
　　　　'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
　　　　'순위': [1　2　2　3　34　1　12　　412],
　　　　'연도': [201420152014201520142015201620172016201420152017],
　　　　'점수': [876789863673741812756788694701804690]}
　df = pd.DataFrame(ipl_data)
　print(df.groupby('Team'))

실행 결과는 다음과 같습니다:

查看组

#　import　the　pandas　library
　import pandas as pd
　ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
　　　　'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
　　　　'순위': [1　2　2　3　34　1　12　　412],
　　　　'연도': [201420152014201520142015201620172016201420152017],
　　　　'점수': [876789863673741812756788694701804690]}
　df = pd.DataFrame(ipl_data)
　print(df.groupby('Team').groups)

실행 결과는 다음과 같습니다:

　　　{'Kings': Int64Index([4　6　7],　dtype='int64'),
　'Devils': Int64Index([2　3],　dtype='int64'),
　'Riders': Int64Index([0,　1　8　11],　dtype='int64'),
　'Royals': Int64Index([9　10],　dtype='int64'),
　'kings' : Int64Index([5],　dtype='int64)}

实例

多列分组

#　import　the　pandas　library
　import pandas as pd
　ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
　　　　'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
　　　　'순위': [1　2　2　3　34　1　12　　412],
　　　　'연도': [201420152014201520142015201620172016201420152017],
　　　　'점수': [876789863673741812756788694701804690]}
　df = pd.DataFrame(ipl_data)
　print(df.groupby(['Team','Year']).groups)

실행 결과는 다음과 같습니다:

　　　{('Kings',　2014):　Int64Index([4],　dtype='int64'),
　　('Royals',　2014):　Int64Index([9],　dtype='int64'),
　　('Riders',　2014):　Int64Index([0], dtype='int64'),
　　('Riders',　2015):　Int64Index([1],　dtype='int64'),
　　('Kings',　2016):　Int64Index([6],　dtype='int64'),
　　('Riders',　2016):　Int64Index([8],　dtype='int64'),
　　('Riders',　2017):　Int64Index([11],　dtype='int64'),
　　('Devils',　2014):　Int64Index([2],　dtype='int64'),
　　('Devils',　2015):　Int64Index([3],　dtype='int64'),
　　('kings',　2015):　Int64Index([5],　dtype='int64'),
　　('Royals',　2015):　Int64Index([10],　dtype='int64'),
　　('Kings',　2017):　Int64Index([7],　dtype='int64)}

遍历组

有了groupby对象，我们可以类似于itertools.obj遍历该对象。

#　import　the　pandas　library
　import pandas as pd
　ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
　　　　'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
　　　　'순위': [1　2　2　3　34　1　12　　412],
　　　　'연도': [201420152014201520142015201620172016201420152017],
　　　　'점수': [876789863673741812756788694701804690]}
　df = pd.DataFrame(ipl_data)
　grouped = df.groupby('Year')
　for　name,group　in　grouped:
　　　　print(name)
　　　　print(group)

실행 결과는 다음과 같습니다:

　　2014
　　　점수	순위	팀	연도
0　　　　　876　　　　　1　　　Riders　　　2014
2　　　　　863　　　　　2　　　Devils　　　2014
4　　　　　741　　　　　3　　　Kings　　　　2014
9　　　　　701　　　　　4　　　Royals　　　2014
2015
　　　점수	순위	팀	연도
1　　　　　789　　　　　2　　　Riders　　　2015
3　　　　　673　　　　　3　　　Devils　　　2015
5　　　　　812　　　　　4　　　　kings　　　2015
10　　　　804　　　　　1　　　Royals　　　2015
2016
　　　점수	순위	팀	연도
6　　　　　756　　　　　1　　　　Kings　　　2016
8　　　　　694　　　　　2　　　Riders　　　2016
2017
　　　Points　　Rank　　　　Team　　　Year
7　　　　　788　　　　　1　　　Kings　　　2017
11　　　　690　　　　　2　　Riders　　　2017

默认情况下，groupby对象的标签名称与组名称相同。

选择组p

使用get_group()方法，我们可以选择一个组。

#　import　the　pandas　library
　import pandas as pd
　ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
　　　　'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
　　　　'순위': [1　2　2　3　34　1　12　　412],
　　　　'연도': [201420152014201520142015201620172016201420152017],
　　　　'점수': [876789863673741812756788694701804690]}
　df = pd.DataFrame(ipl_data)
　grouped = df.groupby('Year')
　print(grouped.get_group(2014))

실행 결과는 다음과 같습니다:

　　　　　Points　　Rank　　　　　Team　　　　Year
0　　　　　876　　　　　1　　　Riders　　　　2014
2　　　　　863　　　　　2　　　Devils　　　　2014
4　　　　　741　　　　　3　　　Kings　　　　　2014
9　　　　　701　　　　　4　　　Royals　　　　2014

集合体

聚合函数为每个组返回一个聚合值。一旦通过组对象被创建，几个聚合操作可以在分组的数据来执行。

一个明显的方法是通过合计或等效的agg方法进行合计。

#　import　the　pandas　library
　import pandas as pd
　import numpy as np
　ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
　　　　'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
　　　　'순위': [1　2　2　3　34　1　12　　412],
　　　　'연도': [201420152014201520142015201620172016201420152017],
　　　　'점수': [876789863673741812756788694701804690]}
　df = pd.DataFrame(ipl_data)
　grouped = df.groupby('Year')
　print(grouped['Points'].agg(np.mean))

실행 결과는 다음과 같습니다:

　　Year
2014　　　795.25
2015　　　769.50
2016　　　725.00
2017　　　739.00
Name:　Points,　dtype:　float64

查看每个组的大小的另一种方法是通过应用size()函数。

import pandas as pd
　import numpy as np
　ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
　　　　'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
　　　　'순위': [1　2　2　3　34　1　12　　412],
　　　　'연도': [201420152014201520142015201620172016201420152017],
　　　　'점수': [876789863673741812756788694701804690]}
　df = pd.DataFrame(ipl_data)
　Attribute　Access　in　Python　Pandas
　grouped = df.groupby('Team')
　print(grouped.agg(np.size))

실행 결과는 다음과 같습니다:

　　　　　　　Points　　　Rank　　　Year
Team
Devils　　　　　　　　2　　　　　　2　　　　　　2
Kings　　　　　　　　　3　　　　　　3　　　　　　3
Riders　　　　　　　　4　　　　　　4　　　　　　4
Royals　　　　　　　　2　　　　　　2　　　　　　2
kings　　　　　　　　　1　　　　　　1　　　　　　1

一次应用多个聚合功能

借助分组的Series，您还可以传递函数的列表或字典来进行聚合，并生成DataFrame作为输出-

#　import　the　pandas　library
　import pandas as pd
　import numpy as np
　ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
　　　　'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
　　　　'순위': [1　2　2　3　34　1　12　　412],
　　　　'연도': [201420152014201520142015201620172016201420152017],
　　　　'점수': [876789863673741812756788694701804690]}
　df = pd.DataFrame(ipl_data)
　grouped = df.groupby('Team')
　print(grouped['Points'].agg([np.sum,　np.mean,　np.std]))

실행 결과는 다음과 같습니다:

　　Team　　　　　　sum　　　　　　mean　　　　　　　　　　std
Devils　　　1536　　　768.000000　　　134.350288
Kings　　　　2285　　　761.666667　　　　24.006943
Riders　　　3049　　　762.250000　　　　88.567771
Royals　　　1505　　　752.500000　　　　72.831998
kings　　　　　812　　　812.000000　　　　　　　　　　NaN

转换

在组或列上进行转换将返回一个索引，该索引的大小与正在分组的对象的大小相同。因此，转换应返回与组块大小相同的结果。

#　import　the　pandas　library
　import pandas as pd
　import numpy as np
　ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
　　　　'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
　　　　'순위': [1　2　2　3　34　1　12　　412],
　　　　'연도': [201420152014201520142015201620172016201420152017],
　　　　'점수': [876789863673741812756788694701804690]}
　df = pd.DataFrame(ipl_data)
　grouped = df.groupby('Team')
　score = lambda x: (x　-　x.mean()))　/　x.std()*10
　print(grouped.transform(score))

실행 결과는 다음과 같습니다:

　　　　　점수		순위		연도
0　　　12.843272　　-15.000000　　-11.618950
1　　　3.020286　　　　　5.000000　　　-3.872983
2　　　7.071068　　　　-7.071068　　　-7.071068
3　　-7.071068　　　　　7.071068　　　　7.071068
4　　-8.608621　　　　11.547005　　-10.910895
5　　　　　　　　NaN						NaN						NaN
6　　-2.360428　　　　-5.773503　　　　2.182179
7　　10.969049　　　　-5.773503　　　　8.728716
8　　-7.705963　　　　　5.000000　　　　3.872983
9　　-7.071068　　　　　7.071068　　　-7.071068
10　　7.071068　　　　-7.071068　　　　7.071068
11　-8.157595　　　　　5.000000　　　11.618950

필터링

필터링 데이터를 정의된 조건에 따라 필터링하고 데이터의 부분 집합을 반환합니다. 필터() 함수는 데이터를 선택하는 데 사용됩니다.

　import pandas as pd
　import numpy as np
　ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
　　　　'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
　　　　'순위': [1　2　2　3　34　1　12　　412],
　　　　'연도': [201420152014201520142015201620172016201420152017],
　　　　'점수': [876789863673741812756788694701804690]}
　df = pd.DataFrame(ipl_data)
　print(df.groupby('Team').filter(lambda x: len(x) >=　3))

실행 결과는 다음과 같습니다:

　　　　　　점수	순위	팀	연도
0　　　　　　876　　　　　1　　　Riders　　　2014
1　　　　　　789　　　　　2　　　Riders　　　2015
4　　　　　　741　　　　　3　　　Kings　　　　2014
6　　　　　　756　　　　　1　　　Kings　　　　2016
7　　　　　　788　　　　　1　　　Kings　　　　2017
8　　　　　　694　　　　　2　　　Riders　　　2016
11　　　　　690　　　　　2　　　Riders　　　2017
Pandas SQL 작업Pandas 데이터 손실