pandas分组
- User
pandas分组
Assistant
pandas的
groupby功能是数据分析中用于数据分组、聚合和转换的核心工具,通过拆分-应用-组合模式处理数据。以下是其核心用法和高级功能的详细说明:基本分组操作
使用
groupby()按指定列或条件拆分数据,返回GroupBy对象:df.groupby('列名') # 按单列分组 df.groupby(['列1', '列2']) # 多列分层分组 df.groupby(level=0) # 按索引层级分组参数
as_index=False可保持分组列作为数据列而非索引[2][4][6]。聚合计算
通过
agg()实现多维度聚合:df.groupby('公司').agg({ '薪水': ['mean', 'median'], '年龄': 'max' })典型聚合函数包括
sum(),mean(),count()等。支持对不同列应用不同聚合方法[1][3][7]。数据转换
transform()保持原始数据形状的同时进行组内计算:# 用组均值填充缺失值 fill_mean = lambda g: g.fillna(g.mean()) df.groupby('组').transform(fill_mean)常用于标准化、缺失值处理等场景[3][5][8]。
自定义处理
apply()支持复杂的分组处理逻辑:# 计算每组的极差 df.groupby('A').apply(lambda x: x.max() - x.min())可执行任意Python函数,但需注意性能优化[3][5][7]。
分组遍历与过滤
for name, group in df.groupby('部门'): print(f"部门{name}共有{len(group)}人") # 筛选员工数>50的部门 df.groupby('部门').filter(lambda x: len(x) > 50)支持基于分组统计结果的筛选操作[5][8]。
进阶功能
功能 方法 应用场景 分层聚合 pd.Grouper时间序列重采样 排除NA分组 dropna=False保留缺失值作为独立分组 分组排序 sort=False提升大数据集处理性能 分组键控制 group_keys=False输出结果中隐藏分组键 # 时间序列按月分组求均值 df.groupby(pd.Grouper(key='日期', freq='M')).mean()通过合理组合这些功能,可以高效实现复杂的数据分析需求,如用户分群统计、时间序列分析和数据预处理等[4][6][7]。实际应用中需注意大数据集性能优化,可通过
sort=False参数关闭自动排序提升速度。
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.