數(shù)據(jù)分組是對相同類別的數(shù)據(jù)進行匯總，而數(shù)據(jù)透視表是通過對行或列的不同組合對數(shù)據(jù)進行匯總，所使用的匯總方法有求和、計數(shù)、平均值、標準差等，本文使用Python對數(shù)據(jù)進行數(shù)據(jù)分組和數(shù)據(jù)透視，下面一起來學習。

一、groupby分組

這里首先導入pandas和datetime庫，生成一個包含'用戶ID','日期','城市','年齡','性別','成交量'的DataFrame數(shù)據(jù)。

df = pd.DataFrame({'用戶ID':[1001,1002,1003,1004,1005,1006],                   '日期':pd.date_range(datetime.datetime(2021,3,23),periods=6),                   '城市':['北京', '上海', '廣州', '上海', '杭州', '北京'],                   '年齡':[23,44,54,32,34,32],                   '性別':['F','M','M','F','F','F'],                   '成交量':[3200,1356,2133,6733,2980,3452]},                    columns =['用戶ID','日期','城市','年齡','性別','成交量'])df

groupby可以通過傳入需要分組的參數(shù)實現(xiàn)對數(shù)據(jù)的分組，參數(shù)可以是單列，也可以是多列，分組后可以對單列進行函數(shù)處理，也可以對多列進行函數(shù)處理。

#按照單列分組df.groupby('城市')['用戶ID'].count()

先篩選列再groupby與先groupby再篩選列得出來的結果是一樣的。

如果先聚合，聚合列可以只寫列名，不加變量名，因為沒有篩選某列前，可以直接搜索到列。

#先groupby()再寫列，列不用加dfdf.groupby(['城市','性別'])['成交量'].count()  #計數(shù)

使用unstack函數(shù)，增加數(shù)據(jù)透視的效果。

# 增加透視效果df['成交量'].groupby([df['城市'],df['性別']]).sum().unstack()

as_index=False，會按從0開始的數(shù)據(jù)索引。

先數(shù)據(jù)分組，然后做描述分析。

df.groupby('城市').describe()

size顯示數(shù)據(jù)組分類的多少。

二、group by與agg的用法

groupby與agg兩者可以結合使用，可以對單列或多列進行單一或多個不同的聚合運算, 常用聚合函數(shù)有count,sum,std等，直接用函數(shù)名加引號即可，如果有多個函數(shù)時，可以用逗號隔開;

# 常用聚合函數(shù)用引號即可引用df.groupby(['城市', '性別']).agg('sum')

列表可以同時使用多個函數(shù)，用逗號隔開。

reset_index用來重置索引。

# 列表可以同時使用多個函數(shù)df.groupby(['城市', '性別']).agg(['mean','std','sum','count']).reset_index()

用元組修改函數(shù)名。

可以對不同的列使用不同的函數(shù)進行運算。

#如果不同列用不同函數(shù)，可以對不同的列使用不同的函數(shù)df.groupby(['城市', '性別']).agg({'年齡': ['max','min'],'成交量': ['sum', 'count', 'std']})

三、apply與agg的用法

apply與agg相同點：都可以對分組后的結果進行運算；

apply與agg不同點：agg只能對單列，apply可以對多列進行；apply可以使用匿名函數(shù)，agg不可以使用匿名函數(shù)。

直接使用apply函數(shù)進行聚合運算。

df.groupby('城市').apply(top, n=3, column='成交量')

四、cut與qcut的用法

qcut是等樣本數(shù)，cut是等值區(qū)間分，groupby和cut和qcut結合使用，可以對等值或等樣本數(shù)分組后的結果進行分析。

將數(shù)據(jù)data1等值區(qū)間四等分。

#將數(shù)據(jù)data1等值區(qū)間四等分quariles = pd.cut(df.data1, 4)quariles[:10]

數(shù)據(jù)data1等樣本數(shù)四等分。

五、apply與applymap的用法

apply函數(shù)主要用于對DataFrame中的某一column或row中的元素執(zhí)行相同的函數(shù)操作，而applymap函數(shù)主要用于對DataFrame中每一個元素執(zhí)行系統(tǒng)的操作，apply和applymap都要與lambda結合使用。

#首先生成A,B,C的一個隨機數(shù)組import numpy as npdf = pd.DataFrame({'A':np.random.rand(3),                   'B': np.random.rand(3),                   'C': np.random.rand(3) })df.head()

使用apply函數(shù)，對A列的每一個元素加1。

使用applymap對表內的每個元素加1。

#對表內的每個元素加1df.applymap(lambda x:x+1)

定義一個get函數(shù)，對data2數(shù)據(jù)使用apply函數(shù)做聚合運算。

使用unstack函數(shù)顯示數(shù)據(jù)透視表效果。

df.data2.groupby(quariles).apply(get).unstack()

labels=False采用默認的0開始的索引。

六、數(shù)據(jù)透視表

數(shù)據(jù)透視表使用的是pivot_table函數(shù)，接下來介紹該函數(shù)使用最多的幾個參數(shù)。data表示使用數(shù)據(jù)透視表數(shù)據(jù)，values表示計算值，index表示數(shù)據(jù)透視的行，columns表示數(shù)據(jù)透視的列，aggfunc表示計算類型，margins表示是否顯示合計列，margins_name表示合計列的名字。

pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

margins顯示合計，并且margins_name修改合計名稱。

當數(shù)據(jù)透視結果有缺失值時，用fill_value = 0缺失值填充。

#fill_value = 0缺失值填充pd.pivot_table(df,values = '用戶ID',columns ='性別',index='城市',aggfunc='count',fill_value = 0)

aggfunc={'用戶ID':'count','成交量':'sum'}，對用戶ID做計數(shù)運算，對成交量做求和運算。

reset_index對數(shù)據(jù)透視結果重置索引。

pd.pivot_table(df,values = ['用戶ID','成交量'],columns='性別',index='城市',aggfunc={'用戶ID':'count','成交量':'sum'},fill_value = 0).reset_index()