Python Pandas：Groupby 直接输出结果，简单易懂
Pandas 的 groupby() 方法是数据分析中一个极其强大的工具，它允许你根据一个或多个列的值对 DataFrame 进行分组，然后对每个组应用聚合函数、转换或过滤操作。然而，groupby() 的输出结果并非直接可见，需要进一步的操作才能得到想要的信息。本文将深入探讨如何直接、清晰地获取 groupby() 的结果，并结合多种场景和示例，帮助你轻松掌握这一技巧。
1. 理解 GroupBy 对象
调用 groupby() 方法后，返回的是一个 DataFrameGroupBy 对象，而非一个新的 DataFrame。这个对象包含了分组信息，但并没有进行实际的计算。它就像一个等待执行的蓝图，需要进一步的操作才能生成结果。
2. 直接获取聚合结果
最常见的 groupby() 用法是结合聚合函数，例如 sum()、mean()、count()、max()、min() 等。可以直接在 groupby() 后链式调用这些函数，得到一个新的 DataFrame，其中包含了每个组的聚合结果。
“`python
import pandas as pd
创建示例 DataFrame
data = {‘Category’: [‘A’, ‘A’, ‘B’, ‘B’, ‘C’, ‘C’],
‘Value’: [10, 20, 15, 25, 30, 40]}
df = pd.DataFrame(data)
按 ‘Category’ 分组并计算 ‘Value’ 的总和
result = df.groupby(‘Category’)[‘Value’].sum()
print(result)
“`
输出结果：
Category
A 30
B 40
C 70
Name: Value, dtype: int64
在这个例子中，groupby('Category')['Value'] 选择了 ‘Category’ 列作为分组依据，并指定 ‘Value’ 列作为操作对象。sum() 函数则计算了每个组 ‘Value’ 的总和。结果是一个 Series，索引为分组的类别，值为对应的总和。
3. 使用多个聚合函数
你可以同时使用多个聚合函数，只需将它们放在一个列表或字典中即可。
“`python
result = df.groupby(‘Category’)[‘Value’].agg([‘sum’, ‘mean’, ‘count’])
print(result)
“`
输出结果：
sum mean count
Category
A 30 15.0 2
B 40 20.0 2
C 70 35.0 2
使用字典可以自定义列名：
“`python
result = df.groupby(‘Category’)[‘Value’].agg({‘Total’: ‘sum’, ‘Average’: ‘mean’, ‘Count’: ‘count’})
print(result)
“`
输出结果：
Total Average Count
Category
A 30 15.0 2
B 40 20.0 2
C 70 35.0 2
4. 分组后应用自定义函数
除了内置的聚合函数，你还可以使用 apply() 方法应用自定义函数到每个组。
“`python
def custom_agg(x):
return x.max() – x.min()
result = df.groupby(‘Category’)[‘Value’].apply(custom_agg)
print(result)
“`
输出结果：
Category
A 10
B 10
C 10
Name: Value, dtype: int64
5. 处理多列分组
groupby() 可以接受一个列名列表或一个字典作为参数，实现多列分组。
“`python
data = {‘Category’: [‘A’, ‘A’, ‘B’, ‘B’, ‘A’, ‘A’],
‘Subcategory’: [‘X’, ‘Y’, ‘X’, ‘Y’, ‘X’, ‘Y’],
‘Value’: [10, 20, 15, 25, 30, 40]}
df = pd.DataFrame(data)
result = df.groupby([‘Category’, ‘Subcategory’])[‘Value’].sum()
print(result)
“`
输出结果：
Category Subcategory
A X 40
Y 60
B X 15
Y 25
Name: Value, dtype: int64
6. 重置索引
groupby() 的结果通常带有 MultiIndex（多级索引）。可以使用 reset_index() 方法将其转换为普通的 DataFrame。
“`python
result = df.groupby([‘Category’, ‘Subcategory’])[‘Value’].sum().reset_index()
print(result)
“`
输出结果：
Category Subcategory Value
0 A X 40
1 A Y 60
2 B X 15
3 B Y 25
7. 迭代 GroupBy 对象
虽然不推荐在大型数据集上使用，但你可以迭代 DataFrameGroupBy 对象，访问每个组的数据。
python
for name, group in df.groupby('Category'):
print(f"Group: {name}")
print(group)
8. 转换为字典
可以使用 to_dict() 方法将 groupby() 的结果转换为字典。
“`python
result = df.groupby(‘Category’)[‘Value’].sum().to_dict()
print(result)
“`
输出结果：
{'A': 30, 'B': 40, 'C': 70}
9. 处理缺失值
groupby() 默认会忽略缺失值。可以使用 dropna=False 参数保留包含缺失值的组。
10. 性能优化
对于大型数据集，groupby() 操作可能会比较耗时。可以考虑使用一些优化技巧，例如：
- 使用Categorical数据类型
- 使用
numba或cython加速
通过以上详细的讲解和示例，相信你已经对 Pandas groupby() 的输出结果有了更清晰的理解，并能够灵活运用各种技巧来直接获取想要的信息。记住，groupby() 本身只是创建了一个分组对象，需要结合聚合函数、apply() 方法或其他操作才能得到最终结果。 熟练掌握 groupby() 将极大地提升你的数据分析效率。