Pandas groupby 计数
Suraj Joshi
2023年1月30日
-
使用
Series.value_counts()方法计算唯一行值的数值 -
使用
DataFrame.groupby()函数对 DataFrame 组的值进行计数 -
使用
pandas.DataFrame.agg()方法获取每组的多个统计值
本教程解释了如何从 DataFrame.groupby() 方法中获取像 count、sum、max 等派生组的统计数据。
我们将用上面例子中所示的 automobile_data_df 来解释这些概念。DataFrame 由员工和他们使用的汽车和自行车品牌组成。
import pandas as pd
automobile_data = [
["Chevrolet", "Yamaha"],
["Toyota", "Ducati"],
["Volkswagen", "BMW"],
["Cherlovet", "Kawasaki"],
["Toyota", "Ducati"],
["Toyota", "BMW"],
["Volkswagen", "BMW"],
]
column_names = ["Car Brand", "Motorbike Brand"]
index_names = ["Steven", "Robert", "Jimmy", "Mike", "Phoenix", "Scott", "John"]
automobile_data_df = pd.DataFrame(
automobile_data, index=index_names, columns=column_names
)
print(automobile_data_df)
输出：
Car Brand Motorbike Brand
Steven Chevrolet Yamaha
Robert Toyota Ducati
Jimmy Volkswagen BMW
Mike Cherlovet Kawasaki
Phoenix Toyota Ducati
Scott Toyota BMW
John Volkswagen BMW
使用 Series.value_counts() 方法计算唯一行值的数值
如果我们想要一个 DataFrame 中单列的每个唯一值的计数，我们可以使用 Series.value_counts() 方法。
import pandas as pd
automobile_data = [
["Chevrolet", "Yamaha"],
["Toyota", "Ducati"],
["Volkswagen", "BMW"],
["Cherlovet", "Kawasaki"],
["Toyota", "Ducati"],
["Toyota", "BMW"],
["Volkswagen", "BMW"],
]
column_names = ["Car Brand", "Motorbike Brand"]
index_names = ["Steven", "Robert", "Jimmy", "Mike", "Phoenix", "Scott", "John"]
automobile_data_df = pd.DataFrame(
automobile_data, index=index_names, columns=column_names
)
print(automobile_data_df["Car Brand"].value_counts())
输出：
Toyota 3
Volkswagen 2
Cherlovet 1
Chevrolet 1
Name: Car Brand, dtype: int64
它将打印 automobile_data_df 中 Car Brand 列中所有的唯一值及其计数。该方法只适用于我们希望一次只看到一列的数值计数。
使用 DataFrame.groupby() 函数对 DataFrame 组的值进行计数
我们使用 DataFrame.groupby() 函数将一个 DataFrame 分割成多个组，然后使用 size() 方法计算每个创建组的值。
import pandas as pd
automobile_data = [
["Chevrolet", "Yamaha"],
["Toyota", "Ducati"],
["Volkswagen", "BMW"],
["Cherlovet", "Kawasaki"],
["Toyota", "Ducati"],
["Toyota", "BMW"],
["Volkswagen", "BMW"],
]
column_names = ["Car Brand", "Motorbike Brand"]
index_names = ["Steven", "Robert", "Jimmy", "Mike", "Phoenix", "Scott", "John"]
automobile_data_df = pd.DataFrame(
automobile_data, index=index_names, columns=column_names
)
group = automobile_data_df.groupby(["Car Brand", "Motorbike Brand"])
print(group.size().reset_index(name="counts"))
输出：
Car Brand Motorbike Brand counts
0 Cherlovet Kawasaki 1
1 Chevrolet Yamaha 1
2 Toyota BMW 1
3 Toyota Ducati 2
4 Volkswagen BMW 2
它打印一个 DatFrame，其中包含了所有来自 automobile_data_df 的 Car Brand 和 Motorbike Brand 列的值的唯一组合，以及这些组合在 automobile_data_df DataFrame 中出现的次数。
groupby() 方法将 automobile_data_df 分割成组。Car Brand 和 Motorbike Brand 两列数值相同的行将被放置在同一组中。size() 方法会给出每组的值的数量，最后我们根据每组的值的数量生成 DataFrame。
使用 pandas.DataFrame.agg() 方法获取每组的多个统计值
import pandas as pd
automobile_data = [
["Chevrolet", "Yamaha", 4000],
["Toyota", "Ducati", 5000],
["Volkswagen", "BMW", 4500],
["Cherlovet", "Kawasaki", 3800],
["Toyota", "Ducati", 4500],
["Toyota", "BMW", 5000],
["Volkswagen", "BMW", 6000],
]
column_names = ["Car Brand", "Motorbike Brand", "Monthly Salary"]
index_names = ["Steven", "Robert", "Jimmy", "Mike", "Phoenix", "Scott", "John"]
automobile_data_df = pd.DataFrame(
automobile_data, index=index_names, columns=column_names
)
group = automobile_data_df.groupby(["Car Brand", "Motorbike Brand"])
print(group.agg({"Monthly Salary": [min, max, sum]}))
输出：
Monthly Salary
min max sum
Car Brand Motorbike Brand
Cherlovet Kawasaki 3800 3800 3800
Chevrolet Yamaha 4000 4000 4000
Toyota BMW 5000 5000 5000
Ducati 4500 5000 9500
Volkswagen BMW 4500 6000 10500
它显示每个生成组的 Monthly Salary 值的最小值、最大值和总和。
作者： Suraj Joshi
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn