Pandas GroupBy 如何计算统计数据并包含行数以进行数据分析？

使用 Pandas GroupBy 获取每个组的统计数据

在进行数据分析时，通常需要汇总数据并计算观察组的统计数据。 Pandas 的 GroupBy 函数提供了一种便捷的方法来执行此操作。

要计算组统计数据，只需在 DataFrame 上使用 .groupby() 方法并指定要分组的列即可。然后，您可以使用 .agg() 方法聚合每个组内的数据。

例如，以下代码按“col1”和“col2”列对数据进行分组并计算平均值：

df['col1', 'col2'].groupby(['col1', 'col2']).mean()

这将返回一个包含组统计信息的 DataFrame，类似于：

      col3  col4  col5  col6
col1 col2              
A     B    -0.3725  -0.810   0.0325  0.5425
C     D    -0.4766  -0.110   1.3467 -0.6833
E     F     0.4550   0.475  -1.0650  0.0300
G     H     1.4800  -0.630   0.6500  0.1700

包括行计数

将行计数添加到组统计数据中非常简单。您可以使用 .size() 方法来计算每个组中的行数。例如：

df.groupby(['col1', 'col2']).size()

这将返回一个包含行数的系列，然后您可以将其添加到 DataFrame 中：

df.groupby(['col1', 'col2']).size().reset_index(name='counts')

包括多个统计信息

除了平均值之外，您还可以使用 .agg() 方法计算其他统计数据，例如中位数、最小值和最大值。例如，以下代码计算“col4”列的平均值、中位数和最小值：

df.groupby(['col1', 'col2']).agg({'col4': ['mean', 'median', 'min']})

这将返回包含组统计信息的 DataFrame，类似于：

            col4                  
          mean median  min
col1 col2                   
A    B  -0.3725 -0.810  -1.32
C    D  -0.4766 -0.110  -1.65
E    F   0.4550  0.475  -0.47
G    H   1.4800 -0.630  -0.63

其他注意事项

• 如果您希望按多列分组，在 .groupby() 方法中使用列表。
• 缺失值可能会影响组计算。 Pandas 会在计算平均值和中位数等过程中排除缺失值。
• 处理大型数据集时，请考虑使用带有 chunksize 参数的 .agg() 方法来提高性能。

以上是Pandas GroupBy 如何计算统计数据并包含行数以进行数据分析？的详细内容。更多信息请关注PHP中文网其他相关文章！