在数据预处理过程中可能会遇到这样的问题，如下图：数据中某一个key有多组数据，如何分别对每个key进行相同的运算？
dataframe里面给出了一个group by的一个操作，对于”group by”操作，我们通常是指以下一个或多个操作步骤：
l （Splitting）按照一些规则将数据分为不同的组；
l （Applying）对于每组数据分别执行一个函数；
l （Combining）将结果组合到一个数据结构中；
使用dataframe实现groupby的用法：
|
1
2
3
4
5
6
7
8
9
10
|
# -*- coding: UTF-8 -*-
import pandas as pd
df = pd.DataFrame([{'col1':'a', 'col2':1, 'col3':'aa'}, {'col1':'b', 'col2':2, 'col3':'bb'}, {'col1':'c', 'col2':3, 'col3':'cc'}, {'col1':'a', 'col2':44, 'col3':'aa'}])
print df
# 按col1分组并按col2求和
print df.groupby(by='col1').agg({'col2':sum}).reset_index()
# 按col1分组并按col2求最值
print df.groupby(by='col1').agg({'col2':['max', 'min']}).reset_index()
# 按col1 ，col3分组并按col2求和
print df.groupby(by=['col1', 'col3']).agg({'col2':sum}).reset_index()
|
输出结果为：
|
1
2
3
4
5
|
col1 col2 col3
0 a 1 aa
1 b 2 bb
2 c 3 cc
3 a 44 aa
|
|
1
2
3
4
|
col1 col2
0 a 45
1 b 2
2 c 3
|
|
1
2
3
4
5
|
col1 col2
max min
0 a 44 1
1 b 2 2
2 c 3 3
|
|
1
2
3
4
|
col1 col3 col2
0 a aa 45
1 b bb 2
2 c cc 3
|
注意点：
代码中调用了reset_index() 函数, 如果不使用这个函数输出的结果将是：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
col2
col1
a 45
b 2
c 3
col2
max min
col1
a 44 1
b 2 2
c 3 3
col2
col1 col3
a aa 45
b bb 2
c cc 3
|
上下两个结果还是有区别的，但是具体区别暂时不太清楚，不过下面的一种输出结果是不能跟使用df['col1']来提取第一列的。至于是什么原因暂时还不清楚，如果您对pandas比较理解或者知道原因，欢迎在评论中留言。
以上这篇pandas数据预处理之dataframe的groupby操作方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/u013041398/article/details/71118560