分组聚合是数据处理中常见的场景，在pandas中用groupby方法实现分组操作，用agg方法实现聚合操作。
- python3.9
- win10 64bit
- pandas==1.2.1
groupby方法是pandas中的分组方法，对数据框采用 groupby方法后，返回的是 DataFrameGroupBy对象，一般分组操作后会进行聚合操作。
import pandas as pd
import numpy as np
pd.set_option('display.notebook_repr_html',False)
df = pd.DataFrame({'A': [1, 1, 2, 2],'B': [1, 2, 3, 4],'C':[6,8,1,9]})
df
A B C
0 1 1 6
1 1 2 8
2 2 3 1
3 2 4 9
对数据框按 A列进行分组，产生分组数据框。分组数据框是可迭代对象，可以进行循环遍历，可以看出在循环中，每个元素的类型是元组，
元组的第一个元素是分组值，第二个元素是对应的分组数据框。
g_df=df.groupby('A')
type(g_df)
pandas.core.groupby.generic.DataFrameGroupBy
for i in g_df:
print(i,type(i),end='\n\n')
(1, A B C
0 1 1 6
1 1 2 8) <class 'tuple'>
(2, A B C
2 2 3 1
3 2 4 9) <class 'tuple'>
</class></class>
可以对分组后的数据框直接使用聚合方法 agg，对分组数据框的每一列计算统计函数值。
df.groupby('A').agg('sum')
B C
A
1 3 14
2 7 10
可以根据数据框外的序列数据对数据框进行分组，需要注意 序列长度需要与数据框行数相同。
label=['a','a','b','b']
df.groupby(label).agg('sum')
A B C
a 2 3 14
b 4 7 10
可以根据数据框的多列对数据框进行分组。
df = pd.DataFrame({'A': [1, 1, 2, 2],'B': [3, 4, 3, 3],'C':[6,8,1,9]})
df
A B C
0 1 3 6
1 1 4 8
2 2 3 1
3 2 3 9
根据 A, B列进行分组，然后求和。
df.groupby(['A','B']).agg('sum')
C
A B
1 3 6
4 8
2 3 10
可以根据索引对数据框进行分组，需要设置 level参数。
df = pd.DataFrame({'A': [1, 1, 2, 2],'B': [3, 4, 3, 3],'C':[6,8,1,9]},index=['a','a','b','b'])
df
A B C
a 1 3 6
a 1 4 8
b 2 3 1
b 2 3 9
数据框只有一层索引，设置参数 level=0。
df.groupby(level=0).agg('sum')
A B C
a 2 7 14
b 4 6 10
当数据框索引有多层时，也可以根据需求设置 level参数，完成分组聚合。
mi=pd.MultiIndex.from_arrays([[1,1,2,2],[3,4,3,3]],names=['id1','id2'])
df=pd.DataFrame(dict(value=[4,7,2,9]),index=mi)
df
value
id1 id2
1 3 4
4 7
2 3 2
3 9
设置 level参数，如需要根据第一层索引，即 id1进行分组，可以设置 level=0或 level='id1'完成分组聚合。
df.groupby(level=0).agg('sum')
value
id1
1 11
2 11
df.groupby(level='id1').agg('sum')
value
id1
1 11
2 11
分组后一般会进行聚合操作，用 agg方法进行聚合。
df = pd.DataFrame({'A': [1, 1, 2, 2],'B': [3, 4, 3, 3],'C':[6,8,1,9],'D':[2,5,4,8]})
df
A B C D
0 1 3 6 2
1 1 4 8 5
2 2 3 1 4
3 2 3 9 8
对分组后数据框使用单个函数进行聚合，单个聚合函数会对每列进行计算，然后合并返回。聚合函数以字符串的形式传入。
df.groupby('A').agg('sum')
B C D
A
1 7 14 7
2 6 10 12
可以对分组后的数据指定列进行分组聚合。需要注意 子列需要用[]包裹。
df.groupby('A')[['B','C']].agg('sum')
B C
A
1 7 14
2 6 10
聚合函数也可以传入自定义的匿名函数。
df.groupby('A').agg(lambda x:sum(x))
B C D
A
1 7 14 7
2 6 10 12
聚合函数可以是多个函数。聚合时，多个聚合函数会对每列进行计算，然后合并返回。聚合函数以列表的形式传入。
df.groupby('A').agg(['sum','mean'])
B C D
sum mean sum mean sum mean
A
1 7 3.5 14 7 7 3.5
2 6 3.0 10 5 12 6.0
聚合返回后的数据列名有两层索引，第一层是聚合的列名，第二层是使用的聚合函数名。如果需要对返回的聚合函数名重命名，
需要在传参时，传入元组，第一个元素为聚合函数名，第二个元素为聚合函数。
df.groupby('A').agg([('SUM','sum'),('MEAN','mean')])
B C D
SUM MEAN SUM MEAN SUM MEAN
A
1 7 3.5 14 7 7 3.5
2 6 3.0 10 5 12 6.0
同样，也可以传入匿名函数。
df.groupby('A').agg([('SUM','sum'),('MAX',lambda x:max(x))])
B C D
SUM MAX SUM MAX SUM MAX
A
1 7 4 14 8 7 5
2 6 3 10 9 12 8
如果需要对不同的列进行不同的聚合计算，则需要传入字典的形式。
df.groupby('A').agg({'B':['sum','mean'],'C':'mean'})
可以重命名聚合后的列名，注意 只能对一列传入一个聚合函数时有效。
df.groupby('A').agg(B_sum=('B','sum'),C_mean=('C','mean'))
B_sum C_mean
A
1 7 7
2 6 5
Original: https://blog.csdn.net/jhr112/article/details/115251345
Author: FTDdata
Title: python–pandas分组聚合
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/741878/
转载文章受原作者版权保护。转载请注明原作者出处！