数据集的聚合（Aggregation）与分组（Grouping）

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

首先导入所需的 Pandas 库与 Numpy 库，以及构建方便于结果展示的 display 类：

1. import numpy as np
   
2. import pandas as pd
   
3. 
   
4. class display(object):
   
5.     """Display HTML representation of multiple objects"""
   
6.     template = """<div style="float: left; padding: 10px;">
   
7.     <p style='font-family:"Courier New", Courier, monospace'>{0}</p>{1}
   
8.     </div>"""
   
9.     def __init__(self, *args):
   
10.         self.args = args
    
11.         
    
12.     def _repr_html_(self):
    
13.         return '\n'.join(self.template.format(a, eval(a)._repr_html_())
    
14.                          for a in self.args)
    
15.    
    
16.     def __repr__(self):
    
17.         return '\n\n'.join(a + '\n' + repr(eval(a))
    
18.                            for a in self.args)

复制代码

接下来，我们导入 Seaborn 库，我们可以在这个库里找到我们所需的示例数据——一份天文观测数据：

1. import seaborn as sns
   
2. planets = sns.load_dataset('planets')
   
3. planets.shape

复制代码

(1035, 6)
如下所示，我们的天文观测数据中一共有1035条记录，包含了所观测星球的轨道周期、质量等 6 个字段：

1. planets.head()

复制代码

作为一般的流程，我们会对得到的数据集进行一下汇总分析，在前面的章节中我们曾经了解过 Pandas 库中自带的 sum 函数与 mean 函数：

1. rng = np.random.RandomState(42)
   
2. ser = pd.Series(rng.rand(5))
   
3. ser

复制代码

1. ser.sum()

复制代码

2.8119254917081569

1. ser.mean()

复制代码

0.56238509834163142

1. df = pd.DataFrame({'A': rng.rand(5),
   
2.                    'B': rng.rand(5)})
   
3. df

复制代码

1. df.mean()

复制代码

1. df.mean(axis='columns')

复制代码

在这个例子中，推荐大家使用 describe 函数，这个函数能够一次性输出每个列元素的多项关键统计指标，并且组织为数据框形式：

1. planets.dropna().describe()

复制代码

接下来，我们将向大家演示如何进行数据的分组，Pandas 库中的 groupby 函数能够根据指定的列名创建对应的 DataFrameGroupBy 对象：

1. df = pd.DataFrame({'key': ['A', 'B', 'C', 'A', 'B', 'C'],
   
2.                    'data': range(6)}, columns=['key', 'data'])
   
3. df

复制代码

1. df.groupby('key')

复制代码

<pandas.core.groupby.DataFrameGroupBy object at 0x7feaf87b9050>
对 DataFrameGroupBy 调用一系列函数则可以得到我们想要的分组汇总结果，如计算样本数总和：

1. df.groupby('key').sum()

复制代码

我们类似的操作处理示例的天文观测数据，查看一下每一种 method 下观测到的星球轨道周期中位数：

1. planets.groupby('method')

复制代码

<pandas.core.groupby.DataFrameGroupBy object at 0x7feaf87b9a90>

1. planets.groupby('method')['orbital_period']

复制代码

<pandas.core.groupby.SeriesGroupBy object at 0x7feaf87d6050>

1. planets.groupby('method')['orbital_period'].median()

复制代码

以上内容转自 数析学院，原文内容较多，暂时搬运到这，有需要的同学可以直接查看原文

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖