Pandas实战100例 | 案例 22: 分组运算

案例 22: 分组运算

知识点讲解

Pandas 的 groupby 方法允许你对数据进行分组，并对每个分组应用聚合函数，如求和、求平均、求最大值等。这对于分类数据的分析非常重要。

• 分组后求和: groupby 后使用 sum 方法可以对每个分组的数值求和。
• 分组后求平均: groupby 后使用 mean 方法可以计算每个分组的平均值。
• 分组后求最大值: groupby 后使用 max 方法可以找到每个分组的最大值。

示例代码

# 准备数据和示例代码的运行结果，用于案例 22

# 示例数据
data_grouped_operations = {
    'Category': ['A', 'B', 'A', 'B', 'C', 'C', 'C'],
    'Values': [10, 15, 20, 25, 5, 10, 15]
}
df_grouped_operations = pd.DataFrame(data_grouped_operations)

# 分组运算
grouped_sum = df_grouped_operations.groupby('Category').sum()
grouped_mean = df_grouped_operations.groupby('Category').mean()
grouped_max = df_grouped_operations.groupby('Category').max()

df_grouped_operations, grouped_sum, grouped_mean, grouped_max

在这个示例中，我们首先根据 Category 列对 DataFrame 进行分组。然后，我们对每个分组计算了总和、平均值和最大值。

示例代码运行结果

原始 DataFrame (df_grouped_operations):

  Category  Values
0        A      10
1        B      15
2        A      20
3        B      25
4        C       5
5        C      10
6        C      15

分组后的求和 (grouped_sum):

          Values
Category        
A             30
B             40
C             30

分组后的平均值 (grouped_mean):

          Values
Category        
A           15.0
B           20.0
C           10.0

分组后的最大值 (grouped_max):

          Values
Category        
A             20
B             25
C             15

这个案例说明了如何对分类数据进行有效的分组和聚合运算，这对于理解数据集中的不同类别是非常有用的。