python pandas groupby分组后的数据怎么用

1. python pandas groupby分组后的数据怎么用

pandas提供了一个灵活高效的groupby功能，它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。根据一个或多个键（可以是函数、数组或DataFrame列名）拆分pandas对象。计算分组摘要统计，如计数、平均值、标准差，或用户自定义函数。对DataFrame的列应用各种各样的函数。应用组内转换或其他运算，如规格化、线性回归、排名或选取子集等。计算透视表或交叉表。执行分位数分析以及其他分组分析。
1、首先来看看下面这个非常简单的表格型数据集（以DataFrame的形式）：

123456789101112

>>> import pandas as pd>>> df = pd.DataFrame({'key1':['a', 'a', 'b', 'b', 'a'],...     'key2':['one', 'two', 'one', 'two', 'one'],...     'data1':np.random.randn(5),...     'data2':np.random.randn(5)})>>> df      data1     data2 key1 key20 -0.410673  0.519378    a  one1 -2.120793  0.199074    a  two2  0.642216 -0.143671    b  one3  0.975133 -0.592994    b  two4 -1.017495 -0.530459    a  one


假设你想要按key1进行分组，并计算data1列的平均值，我们可以访问data1，并根据key1调用groupby：

123

>>> grouped = df['data1'].groupby(df['key1'])>>> grouped


变量grouped是一个GroupBy对象，它实际上还没有进行任何计算，只是含有一些有关分组键df['key1']的中间数据而已，然后我们可以调用GroupBy的mean方法来计算分组平均值：

12345

>>> grouped.mean()key1a      -1.182987b       0.808674dtype: float64


说明：数据（Series）根据分组键进行了聚合，产生了一个新的Series，其索引为key1列中的唯一值。之所以结果中索引的名称为key1，是因为原始DataFrame的列df['key1']就叫这个名字。
2、如果我们一次传入多个数组，就会得到不同的结果：

12345678

>>> means = df['data1'].groupby([df['key1'], df['key2']]).mean()>>> meanskey1  key2a     one    -0.714084      two    -2.120793b     one     0.642216      two     0.975133dtype: float64


通过两个键对数据进行了分组，得到的Series具有一个层次化索引（由唯一的键对组成）：

12345

>>> means.unstack()key2       one       twokey1                   a    -0.714084 -2.120793b     0.642216  0.975133


在上面这些示例中，分组键均为Series。实际上，分组键可以是任何长度适当的数组：

12345678

>>> states = np.array(['Ohio', 'California', 'California', 'Ohio', 'Ohio'])>>> years = np.array([2005, 2005, 2006, 2005, 2006])>>> df['data1'].groupby([states, years]).mean()California  2005   -2.120793            2006    0.642216Ohio        2005    0.282230            2006   -1.017495dtype: float64


3、此外，你还可以将列名（可以是字符串、数字或其他Python对象）用作分组将：

123456789101112

>>> df.groupby('key1').mean()         data1     data2key1                   a    -1.182987  0.062665b     0.808674 -0.368333>>> df.groupby(['key1', 'key2']).mean()              data1     data2key1 key2                   a    one  -0.714084 -0.005540     two  -2.120793  0.199074b    one   0.642216 -0.143671     two   0.975133 -0.592994


说明：在执行df.groupby('key1').mean()时，结果中没有key2列。这是因为df['key2']不是数值数据，所以被从结果中排除了。默认情况下，所有数值列都会被聚合，虽然有时可能会被过滤为一个子集。
无论你准备拿groupby做什么，都有可能会用到GroupBy的size方法，它可以返回一个含有分组大小的Series：

1234567

>>> df.groupby(['key1', 'key2']).size()key1  key2a     one     2      two     1b     one     1      two     1dtype: int64


注意：分组键中的任何缺失值都会被排除在结果之外。
4、对分组进行迭代
GroupBy对象支持迭代，可以产生一组二元元组（由分组名和数据块组成）。看看下面这个简单的数据集：

12345678910111213

>>> for name, group in df.groupby('key1'):...     print(name)...     print(group)...a      data1     data2 key1 key20 -0.410673  0.519378    a  one1 -2.120793  0.199074    a  two4 -1.017495 -0.530459    a  oneb      data1     data2 key1 key22  0.642216 -0.143671    b  one3  0.975133 -0.592994    b  two


对于多重键的情况，元组的第一个元素将会是由键值组成的元组：

1234567891011121314151617

>>> for (k1, k2), group in df.groupby(['key1', 'key2']):...     print k1, k2...     print group...a one      data1     data2 key1 key20 -0.410673  0.519378    a  one4 -1.017495 -0.530459    a  onea two      data1     data2 key1 key21 -2.120793  0.199074    a  twob one      data1     data2 key1 key22  0.642216 -0.143671    b  oneb two      data1     data2 key1 key23  0.975133 -0.592994    b  two


当然，你可以对这些数据片段做任何操作。有一个你可能会觉得有用的运算：将这些数据片段做成一个字典：

1234567891011121314

>>> pieces = dict(list(df.groupby('key1')))>>> pieces['b']      data1     data2 key1 key22  0.642216 -0.143671    b  one3  0.975133 -0.592994    b  two>>> df.groupby('key1')>>> list(df.groupby('key1'))[('a',       data1     data2 key1 key20 -0.410673  0.519378    a  one1 -2.120793  0.199074    a  two4 -1.017495 -0.530459    a  one), ('b',       data1     data2 key1 key22  0.642216 -0.143671    b  one3  0.975133 -0.592994    b  two)]


groupby默认是在axis=0上进行分组的，通过设置也可以在其他任何轴上进行分组。那上面例子中的df来说，我们可以根据dtype对列进行分组：

12345678910111213141516171819

>>> df.dtypesdata1    float64data2    float64key1      objectkey2      objectdtype: object>>> grouped = df.groupby(df.dtypes, axis=1)>>> dict(list(grouped)){dtype('O'):   key1 key20    a  one1    a  two2    b  one3    b  two4    a  one, dtype('float64'):       data1     data20 -0.410673  0.5193781 -2.120793  0.1990742  0.642216 -0.1436713  0.975133 -0.5929944 -1.017495 -0.530459}




1234567891011121314

>>> grouped>>> list(grouped)[(dtype('float64'),       data1     data20 -0.410673  0.5193781 -2.120793  0.1990742  0.642216 -0.1436713  0.975133 -0.5929944 -1.017495 -0.530459), (dtype('O'),   key1 key20    a  one1    a  two2    b  one3    b  two4    a  one)]


5、选取一个或一组列
对于由DataFrame产生的GroupBy对象，如果用一个（单个字符串）或一组（字符串数组）列名对其进行索引，就能实现选取部分列进行聚合的目的，即：

123456

>>> df.groupby('key1')['data1']>>> df.groupby('key1')['data2']>>> df.groupby('key1')[['data2']]


和以下代码是等效的：

123456

>>> df['data1'].groupby([df['key1']])>>> df[['data2']].groupby([df['key1']])>>> df['data2'].groupby([df['key1']])


尤其对于大数据集，很可能只需要对部分列进行聚合。例如，在前面那个数据集中，如果只需计算data2列的平均值并以DataFrame形式得到结果，代码如下：

1234567891011121314

>>> df.groupby(['key1', 'key2'])[['data2']].mean()              data2key1 key2         a    one  -0.005540     two   0.199074b    one  -0.143671     two  -0.592994>>> df.groupby(['key1', 'key2'])['data2'].mean()key1  key2a     one    -0.005540      two     0.199074b     one    -0.143671      two    -0.592994Name: data2, dtype: float64


这种索引操作所返回的对象是一个已分组的DataFrame（如果传入的是列表或数组）或已分组的Series（如果传入的是标量形式的单个列明）：

12345678910

>>> s_grouped = df.groupby(['key1', 'key2'])['data2']>>> s_grouped>>> s_grouped.mean()key1  key2a     one    -0.005540      two     0.199074b     one    -0.143671      two    -0.592994Name: data2, dtype: float64


6、通过字典或Series进行分组
除数组以外，分组信息还可以其他形式存在，来看一个DataFrame示例：

123456789101112

>>> people = pd.DataFrame(np.random.randn(5, 5),...     columns=['a', 'b', 'c', 'd', 'e'],...     index=['Joe', 'Steve', 'Wes', 'Jim', 'Travis']... )>>> people               a         b         c         d         eJoe     0.306336 -0.139431  0.210028 -1.489001 -0.172998Steve   0.998335  0.494229  0.337624 -1.222726 -0.402655Wes     1.415329  0.450839 -1.052199  0.731721  0.317225Jim     0.550551  3.201369  0.669713  0.725751  0.577687Travis -2.013278 -2.010304  0.117713 -0.545000 -1.228323>>> people.ix[2:3, ['b', 'c']] = np.nan


假设已知列的分组关系，并希望根据分组计算列的总计：

123456

>>> mapping = {'a':'red', 'b':'red', 'c':'blue',...     'd':'blue', 'e':'red', 'f':'orange'}>>> mapping{'a': 'red', 'c': 'blue', 'b': 'red', 'e': 'red', 'd': 'blue', 'f': 'orange'}>>> type(mapping)


现在，只需将这个字典传给groupby即可：

12345678910

>>> by_column = people.groupby(mapping, axis=1)>>> by_column>>> by_column.sum()            blue       redJoe    -1.278973 -0.006092Steve  -0.885102  1.089908Wes     0.731721  1.732554Jim     1.395465  4.329606Travis -0.427287 -5.251905


Series也有同样的功能，它可以被看做一个固定大小的映射。对于上面那个例子，如果用Series作为分组键，则pandas会检查Series以确保其索引跟分组轴是对齐的：

12345678910111213141516

>>> map_series = pd.Series(mapping)>>> map_seriesa       redb       redc      blued      bluee       redf    orangedtype: object>>> people.groupby(map_series, axis=1).count()        blue  redJoe        2    3Steve      2    3Wes        1    2Jim        2    3Travis     2    3


7、通过函数进行分组
相较于字典或Series，Python函数在定义分组映射关系时可以更有创意且更为抽象。任何被当做分组键的函数都会在各个索引值上被调用一次，其返回值就会被用作分组名称。
具体点说，以DataFrame为例，其索引值为人的名字。假设你希望根据人名的长度进行分组，虽然可以求取一个字符串长度数组，但其实仅仅传入len函数即可：

12345

>> people.groupby(len).sum()          a         b         c         d         e3  2.272216  3.061938  0.879741 -0.031529  0.7219145  0.998335  0.494229  0.337624 -1.222726 -0.4026556 -2.013278 -2.010304  0.117713 -0.545000 -1.228323


将函数跟数组、列表、字典、Series混合使用也不是问题，因为任何东西最终都会被转换为数组：

1234567

>>> key_list = ['one', 'one', 'one', 'two', 'two']>>> people.groupby([len, key_list]).min()              a         b         c         d         e3 one  0.306336 -0.139431  0.210028 -1.489001 -0.172998  two  0.550551  3.201369  0.669713  0.725751  0.5776875 one  0.998335  0.494229  0.337624 -1.222726 -0.4026556 two -2.013278 -2.010304  0.117713 -0.545000 -1.228323


8、根据索引级别分组
层次化索引数据集最方便的地方在于它能够根据索引级别进行聚合。要实现该目的，通过level关键字传入级别编号或名称即可：

12345678910111213141516171819
>>> columns = pd.MultiIndex.from_arrays([['US', 'US', 'US', 'JP', 'JP'],...     [1, 3, 5, 1, 3]], names=['cty', 'tenor'])>>> columnsMultiIndex[US  1,     3,     5, JP  1,     3]>>> hier_df = pd.DataFrame(np.random.randn(4, 5), columns=columns)>>> hier_dfcty          US                            JP         tenor         1         3         5         1         30     -0.166600  0.248159 -0.082408 -0.710841 -0.0971311     -1.762270  0.687458  1.235950 -1.407513  1.3040552      1.089944  0.258175 -0.749688 -0.851948  1.6877683     -0.378311 -0.078268  0.247147 -0.018829  0.744540>>> hier_df.groupby(level='cty', axis=1).count()cty  JP  US0     2   31     2   32     2   33     2   3

2. 如何计算pandas.dataframe 算术平均值

求列的平均值 x.mean()

3. 什么叫算术平均，几何平均值，加权平均值

4. 平均值怎么算

计算平均值，一般常用的有两种方法：一种是简单平均法，一种是加权平均法。还有几何平均值，平方平均值（均方根平均值，rms），调和平均值等方法。求平均数的方法有：1、直接求法。利用公式求出平均数，这是由“均分”思想产生的方法。2、基数求法。利用公式求平均数。这里是选设各数中最小者为基数，它是由“补差”思想产生的方法。平均数是统计学中最常用的统计量，是表示一组数据集中趋势的量数，是指在一组数据中所有数据之和再除以这组数据的个数。它是反映数据集中趋势的一项指标。平均数的求法有直接求法、基数求法等。平均数的求法解题关键：找准“总数量”相对应的“总分数”。

5. 求如何得到几何平均值 假如两个数：8、12 几何平均值是多少。求详细过程

如果有n个数a1、a2、……、an，则几何平均值为这n个数乘积开n次方根的值。
所以8、12的几何平均值=√（8*12）=4√6

6. 算术平均数、几何平均数、调和平均数、和平方平均的大小关系

调和平均数≤几何平均数≤算术平均数≤平方平均数。
调和平均数：Hn=n/(1/a1+1/a2+...+1/an)
几何平均数：Gn=(a1a2...an)^(1/n)
算术平均数：An=(a1+a2+...+an)/n
平方平均数：Qn=√ [(a1^2+a2^2+...+an^2)/n]
这四种平均数满足 Hn ≤ Gn ≤ An ≤ Qn。

扩展资料：1、区别
算术平均数和调和平均数是平均指标的两种表现形式。算术平均数和调和平均数并非两类独立的平均数;算术平均数和调和平均数的数值之间并无直接关系，也不存在谁大谁小的问题;不能根据同一资料既计算算术平均数，又计算调和平均数，否则就是纯数字游戏，而非统计研究。

2、关系：
算术平均数、调和平均数、几何平均数是三种不同形式的平均数，分别有各自的应用条件。进行统计研究时，适宜采用算术平均数时就不能用调和平均数或几何平均数，适宜用调和平均数时，同样也不能采用其他两种平均数。但从数量关系来考虑，如果用同一资料（变量各值不相等）。
计算以上三种平均数的结果是：算术平均数大于几何平均数，而几何平均数又大于调和平均数。当所有的变量值都相等时，则这三种平均数就相等。它们的关系可用不等式表示：H≤G≤X
参考资料：百度百科-调和平均数
参考资料：百度百科-算术平均数
参考资料：百度百科-平方平均数
参考资料：百度百科-几何平均数

7. 怎么用excel算几何平均值

我知道几个都给你写出来吧，一共你参考：GEOMEAN几何平均 、AVERAGE算术平均SUMSQ平方和,你自己可除COUNT得平均
用法的话就是      例如：在你所想算几何平均值的单元格中输入=geomean（自己计算所需的区域）

8. 一道c语言编程题，求算术平均值与几何平均值的,求改错

#include #include int main() {	int dcase,n,T,i = 1;	double m,r,sum,mavr,avr;	printf("T = ");	scanf("%d",&T);	while(T--) {		printf("%d:dcase = ",i);		scanf("%d",&dcase);		++i;		m = 1.0;		n = 0;		sum = 0.0;		while(dcase--) {			scanf("%lf",&r);			++n;			m *= r;			sum += r;		}		if(n && m) {			mavr = sum/n;			avr = pow(m,1.0/n);			printf("%.1lf, %.1lf\n",mavr,avr);		}	}	return 0;}