Knowledge Graph

Appearance

高级处理-分组与聚合 ​

分组与聚合通常是分析数据的一种方式，通常与一些统计函数一起使用，查看数据的分组情况

想一想其实刚才的交叉表与透视表也有分组的功能，所以算是分组的一种形式，只不过他们主要是计算次数或者计算比例！！看其中的效果：

1 什么分组与聚合 ​

2 分组 API ​

  • DataFrame.groupby(key, as_index=False)
    • key:分组的列数据，可以多个
  • 案例:不同颜色的不同笔的价格数据
python
col =pd.DataFrame({'color': ['white','red','green','red','green'], 'object': ['pen','pencil','pencil','ashtray','pen'],'price1':[5.56,4.20,1.30,0.56,2.75],'price2':[4.75,4.12,1.60,0.75,3.15]})
col =pd.DataFrame({'color': ['white','red','green','red','green'], 'object': ['pen','pencil','pencil','ashtray','pen'],'price1':[5.56,4.20,1.30,0.56,2.75],'price2':[4.75,4.12,1.60,0.75,3.15]})
text
color    object    price1    price2
0    white    pen    5.56    4.75
1    red    pencil    4.20    4.12
2    green    pencil    1.30    1.60
3    red    ashtray    0.56    0.75
4    green    pen    2.75    3.15
color    object    price1    price2
0    white    pen    5.56    4.75
1    red    pencil    4.20    4.12
2    green    pencil    1.30    1.60
3    red    ashtray    0.56    0.75
4    green    pen    2.75    3.15
  • 进行分组，对颜色分组，price 进行聚合
python
# 分组，求平均值
col.groupby(['color'])['price1'].mean()
col['price1'].groupby(col['color']).mean()
# 分组，求平均值
col.groupby(['color'])['price1'].mean()
col['price1'].groupby(col['color']).mean()
text
color
green    2.025
red      2.380
white    5.560
Name: price1, dtype: float64
color
green    2.025
red      2.380
white    5.560
Name: price1, dtype: float64
python
# 分组，数据的结构不变
col.groupby(['color'], as_index=False)['price1'].mean()
# 分组，数据的结构不变
col.groupby(['color'], as_index=False)['price1'].mean()
text
color    price1
0    green    2.025
1    red    2.380
2    white    5.560
color    price1
0    green    2.025
1    red    2.380
2    white    5.560

3 星巴克零售店铺数据 ​

现在我们有一组关于全球星巴克店铺的统计数据，如果我想知道美国的星巴克数量和中国的哪个多，或者我想知道中国每个省份星巴克的数量的情况，那么应该怎么办？

数据来源：https://www.kaggle.com/starbucks/store-locations/data

3.1 数据获取 ​

从文件中读取星巴克店铺数据

python
# 导入星巴克店的数据
starbucks = pd.read_csv("./data/starbucks/directory.csv")
# 导入星巴克店的数据
starbucks = pd.read_csv("./data/starbucks/directory.csv")

3.2 进行分组聚合 ​

python
# 按照国家分组，求出每个国家的星巴克零售店数量
count = starbucks.groupby(['Country']).count()
# 按照国家分组，求出每个国家的星巴克零售店数量
count = starbucks.groupby(['Country']).count()

画图显示结果

python
count['Brand'].plot(kind='bar', figsize=(20, 8))
plt.show()
count['Brand'].plot(kind='bar', figsize=(20, 8))
plt.show()

假设我们加入省市一起进行分组

python
# 设置多个索引，set_index()
starbucks.groupby(['Country', 'State/Province']).count()
# 设置多个索引，set_index()
starbucks.groupby(['Country', 'State/Province']).count()

仔细观察这个结构，与我们前面讲的哪个结构类似？？

与前面的 MultiIndex 结构类似