Pandas最神奇的功能|不知道就out啦

这是菜鸟学Python的第85篇原创文章

阅读本文大概需要3分钟

一张图总览

如果我们遇到一个复杂的表数据，有很多列选项比如一个棒球队的数据列表，或者是一个餐厅的用餐情况，里面会有很多列的选项，比如，人名，手机号，生日，点餐内容，喜欢的位置，每次几个人来等等，我们在探寻这些数据的内在关系的时候，一定要学会用分组和聚合这两个强大的功能

比如我们有一组数据:年龄，性别，体重和身高的表数据:

a).比如我们按年龄分组，用groupby函数

print df.groupby('Age')

>>

<pandas.core.groupby.DataFrameGroupBy object at 0x113300810>

#看看返回是啥类型

print type(df.groupby('Age'))

>>

<class 'pandas.core.groupby.DataFrameGroupBy'>

发现怎么没有啥东西输出呢，因为我们得到是一个GroupBy对象，里面集成很多功能，不信你可以dir()，看一下里面有很多内置的函数.

#按年龄分组取均值

#按性别分组：

b).上面是从单个维度切入分析，接着按多个维度分析，看看年龄和体重的关系

c).当分组之后列比较多，我们只想看某一列的数据,比如只看'Height'列的均值

d).统计分组之后最大值，最小值和总数

是不是非常清晰和方便啊

聚合其实就是把数据分组之后再次进行运算，上面我们用到了一些比如mean,count,max,min这些常见呢，还有一些更猛的，下面一起来看看

a).agg函数(aggregate)

这个函数可以使我们对于不同的列使用不同的函数，简直就是多面手啊

#我们对年龄分组后，我们希望对性别列进行统计个数，对身高和体重列取均值

比如我们看到:10岁的年龄段，平均身高是130cm左右,体重38斤，性别的个数用count统计，其实表明人数有3人

b).apply()函数

比如我们想计算身体质量指数(BMI),可以非常方便的用apply来自定义函数求值

#第一列是年龄

#第二列是index;0,2,5表示第0个/第2个/第5个

#第三列就是BMI指数=体重／身高的平方

然后再排序一下，从大到小排列

好了Pandas分组和聚合就讲到这里了，还有一些函数比如transform和merge,大家可以参考pandas的官方文档，以上就是分组和聚合的一些常见用法，希望大家多加练习，熟练掌握,对后面的数据分析很有帮助。若有什么问题,也可以留言讨论，后面会有一些实战的例子来加深理解和运用~~

来源 | 菜鸟学Python

作者 | xinxin

本篇文章来源于: 菜鸟学Python