Pandas-分組：df.groupby()

分組

根據研究目的，將所有樣本點按照一個或多個屬性劃分為多個組，就是分組。

pandas中，資料表就是DataFrame物件，分組就是

groupby方法

。將DataFrame中所有行按照一列或多列來劃分，分為多個組，

列值

相同的在同一組，列值不同的在不同組。

分組後，就得到一個

groupby物件

，代表著已經被分開的各個組。後續所有的動作，比如計數，求

平均值

等，都是針對這個物件，也就是都是針對各個組。即在每個組組內進行計數，求平均值等。

分組的返回結果

df = pd。DataFrame（［［‘a’， ‘man’， 120， 90］，

［‘b’， ‘woman’， 130， 100］，

［‘a’， ‘man’， 110， 108］，

［‘a’， ‘woman’， 120， 118］］， columns=［‘level’， ‘gender’， ‘math’，‘chinese’］）

group = df。groupby（‘gender’）

df。groupby（） 函式返回的物件是一系列鍵值對，其中鍵是分組的欄位值，值是該欄位值下的資料表。分組的結果是無法直接輸出的，print（）只能看到該結果的資料型別。可以用迴圈對分組後的結果進行遍歷。

print（group）

#

for key， value in group：

print（key）

print（value）

print（“”）

man

level gender math chinese

0 a man 120 90

2 a man 110 108

woman

level gender math chinese

1 b woman 130 100

3 a woman 120 118

按一列分組：

df。groupby

（column）

group = df。groupby（‘gender’） # 按照‘gender’列的值來分組，建立一個groupby物件

# group = df。groupby（［‘gender’］） # 等價寫法

for key， df in group：

print（key）

print（df）

man

level gender math chinese

0 a man 120 90

2 a man 110 108

woman

level gender math chinese

1 b woman 130 100

3 a woman 120 118

按多列分組：df。groupby（［column1， column2］）

group = df。groupby（［‘gender’， ‘level’］）

# 先按照‘grade’列的值來分組。每組內，再按‘level’列來分組。也返回一個groupby物件

for key， value in group：

print（key）

print（value）

print（“”）

（‘man’， ‘a’）

level gender math chinese

0 a man 120 90

2 a man 110 108

（‘woman’， ‘a’）

level gender math chinese

3 a woman 120 118

（‘woman’， ‘b’）

level gender math chinese

1 b woman 130 100

檢視每組的統計資料：df。groupby（column）。describe（）

對資料表中的數值列進行統計，給出包括count = 計數，mean =

平均數

，std = 方差，min = 最小值，25% = 四分位數，50% = 二分位數，75% = 四分之三分位數，max = 最大值的資訊。不會對非數值列統計。

返回的是一個dataframe。

檢視所有列的統計資訊

group = df。groupby（［‘gender’］）

df1 =

group。describe

（）

# df1 = df。groupby（［‘gender’］）。describe（） # 等價寫法

print（type（df1））

print（df1）

math chinese \

count mean std min 25% 50% 75% max count

gender

man 2。0 115。0 7。071068 110。0 112。5 115。0 117。5 120。0 2。0

woman 2。0 125。0 7。071068 120。0 122。5 125。0 127。5 130。0 2。0

mean std min 25% 50% 75% max

gender

man 99。0 12。727922 90。0 94。5 99。0 103。5 108。0

woman 109。0 12。727922 100。0 104。5 109。0 113。5 118。0

檢視指定列的統計資訊

group = df。groupby（［‘gender’］）

df1 = group。describe（）［‘math’］ # 只看math列的統計資訊

print（df1）

count mean std min 25% 50% 75% max

gender

man 2。0 115。0 7。071068 110。0 112。5 115。0 117。5 120。0

woman 2。0 125。0 7。071068 120。0 122。5 125。0 127。5 130。0

檢視

縱向檢視

unstack（）可以將每列的統計資訊垂直排列。

group = df。groupby（［‘gender’］）

df1 = group。describe（）。unstack（）

print（df1）

gender

math count man 2。000000

woman 2。000000

。。。

max man 120。000000

woman 130。000000

chinese count man 2。000000

woman 2。000000

。。。

woman 113。500000

max man 108。000000

woman 118。000000

dtype： float64

組內離雜湊計數：df。groupby（column）［column2］。value_counts（）

資料表中的列按值是否連續，可以分為連續值列、離散值列。對於離散值列，可以統計其不重複值的個數。對於連續值列，統計不重複值一般沒有意義。統計結果是一個Series物件。

group = df。groupby（［‘gender’］）

df1 = group［‘level’］。value_counts（） # 統計‘level’列的不重複值個數

print（type（df1））

print（df1）

gender level

man a 2

woman a 1

b 1

Name： level， dtype： int64

組內數值列和：df。groupby（column）。sum（）

每組內，只有數值列能求和，非數值列不可以。

group = df。groupby（［‘gender’］）

df1 = group。sum（）

print（df1）

math chinese

gender

man 230 198

woman 250 218

組內成員數：df。groupby（column）。count（）

每組內，按列統計每組的

成員數

。每列的統計結果是一樣的。

group = df。groupby（［‘gender’］）

df1 =

group。count

（）

print（df1）

level math chinese

gender

man 2 2 2

woman 2 2 2

組內數值列均值：df。groupby（column）。mean（）

每組內，統計所有數值列的均值，非數值列無均值。

所有組的均值

group = df。groupby（［‘gender’］）

df1 = group。mean（）

print（df1）

math chinese

gender

man 115 99

woman 125 109

單組的均值

group = df。groupby（［‘gender’］）

df1 = group［‘math’］。mean（）

print（df1）

gender

man 115

woman 125

Name： math， dtype： int64

組內數值列中位數：df。groupby（column）。median（）

每組內，統計所有數值列的中位數，非數值列無中位數。

統計所有數值列的中位數

group = df。groupby（［‘gender’］）

df1 = group。median（）

print（df1）

math chinese

gender

man 115 99

woman 125 109

統計單個數值列的中位數

group = df。groupby（［‘gender’］）

df1 = group［‘math’］。median（） # 統計‘math’列的中位數

print（df1）

gender

man 115

woman 125

Name： math， dtype： int64

組內數值列最大值：df。groupby（column）。max（）

每組內，統計所有數值列的最大值，非數值列無最大值。

統計所有數值列的最大值

group = df。groupby（［‘gender’］）

df1 = group。max（）

print（df1）

level math chinese

gender

man a 120 108

woman b 130 118

統計單個數值列的最大值

group = df。groupby（［‘gender’］）

df1 = group［‘math’］。max（）

print（df1）

gender

man 120

woman 130

Name： math， dtype： int64

組內數值列最小值：df。groupby（column）。min（）

每組內，統計所有數值列的最小值，非數值列無最小值。

統計所有數值列的最小值

group = df。groupby（［‘gender’］）

df1 = group。min（）

print（df1）

level math chinese

gender

man a 110 90

woman a 120 100

統計單個數值列的最小值

group = df。groupby（［‘gender’］）

df1 = group［‘math’］。min（）

print（df1）

gender

man 110

woman 120

Name： math， dtype： int64

組內數值列

標準差

：df。groupby（column）。std（）

每組內，統計所有數值列的標準差，非數值列無標準差。

統計所有數值列的標準差

group = df。groupby（［‘gender’］）

df1 = group。std（）

print（df1）

math chinese

gender

man 7。071068 12。727922

woman 7。071068 12。727922

統計單個數值列的標準差

group = df。groupby（［‘gender’］）

df1 = group［‘math’］。std（）

print（df1）

gender

man 7。071068

woman 7。071068

Name： math， dtype： float64

組內數值列方差：df。groupby（column）。var（）

每組內，統計所有數值列的方差，非數值列無方差。

統計所有數值列的方差

group = df。groupby（［‘gender’］）

df1 = group。var（）

print（df1）

math chinese

gender

man 50 162

woman 50 162

統計單個數值列的方差

group = df。groupby（［‘gender’］）

df1 = group［‘math’］。var（）

print（df1）

gender

man 50

woman 50

Name： math， dtype： int64

組內數值列二分位數：df。groupby（column）。quantile（）

每組內，統計所有數值列的二分位數，非數值列無二分位數。

統計單個數值列的二分位數

group = df。groupby（［‘gender’］）

df1 = group［‘math’］。quantile（）

print（df1）

gender

man 115。0

woman 125。0

Name： math， dtype： float64

組內數值列累計和：df。groupby（column）。cumsum（）

每組內，統計所有數值列的累計和，非數值列無累計和。

［暫時沒搞懂］

組內應用函式：df。groupby（column1）［column2］。apply（）

每組內，可以指定只求某一列的統計指標，包括平均數，方差等。function 可以是mean，或者std等。

group = df。groupby（［‘gender’］）

df1 = group［‘math’］。apply（np。mean） # 求組內均值

print（df1）

gender

man 115。0

woman 125。0

Name： math， dtype： float64

組內應用多個函式：df。groupby（column）。agg（［。。。］）

想同時檢視每組內，某數值列的多個統計指標，可以用

agg函式

。它的引數是一個列表，列表中包含各個函式。

group = df。groupby

（［‘gender’］）

df1 = group［‘math’］。agg（［np。mean，np。std］） # 組內應用均值，方差兩個函式

print（df1）

mean std

gender

man 115 7。071068

woman 125 7。071068

組內不同列用不同函式：df。groupby（column）。agg（{column1：func， column2：func，。。。}）

group = df。groupby（［‘gender’］）

df1 = group。agg（{‘math’：np。mean， ‘chinese’：np。std}）

print（df1）

math chinese

gender

man 115 12。727922

woman 125 12。727922