对熊猫群体应用操作
原文:https://www.geesforgeks.org/apply-operations-to-group-in-pandas/
先决条件:T2】熊猫
Pandas 是一个用于数据分析和数据操作的 Python 库。数据分析通常需要将数据分成组，以便对这些组执行各种操作。Pandas 中的 GroupBy 函数采用了拆分-应用-组合策略，这意味着它执行了一个组合——拆分一个对象，将函数应用于该对象，并组合结果。在本文中，我们将使用 groupby() 函数对分组数据执行各种操作。
聚合
汇总包括使用平均值、中值、模式、最小值、最大值、标准差、方差、总和、计数等方法创建数据的统计摘要。要对组执行聚合操作，请执行以下操作:
- 导入模块
- 创建或加载数据
- 创建一个 GroupBy 对象，该对象沿着一个键或多个键对数据进行分组
- 应用统计运算。
例 1: 计算男性和女性群体的平均工资和年龄。它给出数值列的平均值，并为列名添加前缀。
蟒蛇 3
# Import required libraries
import pandas as pd
import numpy as np
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
"gender": np.random.choice(["F", "M"], size=50),
"age": np.random.randint(22, 60, size=50),
"salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
# Calculate mean data of gender groups
df.groupby('gender').mean().add_prefix('mean_')
输出:
示例 2: 使用接受字符串、函数或函数列表的聚合函数( DataFrameGroupBy.agg )执行多个聚合操作。
蟒蛇 3
# Import required libraries
import pandas as pd
import numpy as np
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
"gender": np.random.choice(["F", "M"], size=50),
"age": np.random.randint(22, 60, size=50),
"salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
# Calculate min, max, mean and count of salaries
# in different departments for males and females
df.groupby(['dept', 'gender'])['salary'].agg(["min", "max", "mean", "count"])
输出:
示例 3: 指定多个列及其对应的聚合操作，如下所示。
蟒蛇 3
# Import required libraries
import pandas as pd
import numpy as np
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
"gender": np.random.choice(["F", "M"], size=50),
"age": np.random.randint(22, 60, size=50),
"salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
# Calculate mean salaries and min-max age of employees
# in different departments for gender groups
df.groupby(['dept', 'gender']).agg({'salary': 'mean', 'age': ['min', 'max']})
输出:
示例 4: 显示任意组的常用统计数据。
蟒蛇 3
# Import required libraries
import pandas as pd
import numpy as np
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
"gender": np.random.choice(["F", "M"], size=50),
"age": np.random.randint(22, 60, size=50),
"salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
# Statistics of employee age grouped by departments
df["age"].groupby(df['dept']).describe()
输出:
创建箱或组并应用操作
Pandas 的 cut 方法将值分类到 bin 区间，从而创建组或类别。然后可以对这些组执行聚合或其他功能。其实现如下所示:
示例:将年龄划分为年龄范围，并计算样本数据中的观察计数。T3】
蟒蛇 3
# Import required libraries
import pandas as pd
import numpy as np
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
"gender": np.random.choice(["F", "M"], size=50),
"age": np.random.randint(22, 60, size=50),
"salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
# Create bin intervals
bins = [20, 30, 45, 60]
# Segregate ages into bins of age groups
df['categories'] = pd.cut(df['age'], bins,
labels=['Young', 'Middle', 'Old'])
# Calculate number of obervations in each age category
df['age'].groupby(df['categories']).count()
输出:
转化
转换是执行特定于组的操作，其中单个值发生变化，而数据的形状保持不变。我们使用变换()函数来实现。
示例:
蟒蛇 3
# Import required libraries
import pandas as pd
import numpy as np
# Create a sample dataframe
df = pd.DataFrame({"dept": np.random.choice(["IT", "HR", "Sales", "Production"], size=50),
"gender": np.random.choice(["F", "M"], size=50),
"age": np.random.randint(22, 60, size=50),
"salary": np.random.randint(20000, 90000, size=50)})
df.index.name = "emp_id"
# Calculate mean difference by transforming each salary value
df['mean_sal_diff'] = df['salary'].groupby(
df['dept']).transform(lambda x: x - x.mean())
df.head()
输出:
