Python Pandas 中级教程：数据分组与聚合
Pandas 是数据分析领域中广泛使用的库，它提供了丰富的功能来对数据进行处理和分析。在实际数据分析中，数据分组与聚合是常见而又重要的操作，用于对数据集中的子集进行统计、汇总等操作。本篇博客将深入介绍 Pandas 中的数据分组与聚合技术，帮助你更好地理解和运用这些功能。
1. 安装 Pandas
确保你已经安装了 Pandas。如果尚未安装，可以使用以下命令：
pip install pandas
2. 导入 Pandas 库
在使用 Pandas 之前，首先导入 Pandas 库：
import pandas as pd
3. 数据加载
在介绍数据分组与聚合之前，我们先加载一些示例数据：
# 读取数据集
df = pd.read_csv('your_data.csv')
4. 数据分组
4.1 单列分组
# 按某一列进行分组
grouped = df.groupby('column_name')
4.2 多列分组
# 按多列进行分组
grouped = df.groupby(['column1', 'column2'])
5. 数据聚合
5.1 常用聚合函数
Pandas 提供了丰富的聚合函数，如 sum、mean、count 等：
# 对分组后的数据进行求和
sum_result = grouped['target_column'].sum()
# 对分组后的数据进行均值计算
mean_result = grouped['target_column'].mean()
# 统计每组的数量
count_result = grouped['target_column'].count()
5.2 自定义聚合函数
除了内置的聚合函数，你还可以使用自定义函数：
# 自定义聚合函数
def custom_aggregation(x):
return x.max() - x.min()
# 应用自定义聚合函数
custom_result = grouped['target_column'].agg(custom_aggregation)
6. 多个聚合操作
你可以同时应用多个聚合操作，得到一个包含多个统计结果的 DataFrame：
# 多个聚合操作
result = grouped['target_column'].agg(['sum', 'mean', 'count', custom_aggregation])
7. 多层索引
分组操作可能会生成多层索引的结果，你可以使用 reset_index 方法将其转换为常规 DataFrame：
# 将多层索引转为常规索引
result_reset = result.reset_index()
8. 多级分组
你还可以对多个列进行多级分组：
# 多级分组
grouped_multi = df.groupby(['column1', 'column2'])
9. 过滤
通过 filter 方法可以根据分组的统计信息筛选数据：
# 过滤出符合条件的分组
filtered_group = grouped.filter(lambda x: x['target_column'].sum() > threshold)
10. 总结
通过学习以上 Pandas 中的数据分组与聚合技术，你可以更灵活地对数据进行分析和总结。这些功能对于理解数据分布、发现模式以及制定进一步分析计划都非常有帮助。希望这篇博客能够帮助你更好地掌握 Pandas 中级数据分组与聚合的方法。
