跳转至

如何统计熊猫的分组观察?

原文:https://www.geeksforgeeks.org/如何对熊猫进行分组观察/

在真正的数据科学项目中,您将处理大量数据并反复尝试,因此为了提高效率,我们使用 Groupby 概念。Groupby 概念非常重要,因为它能够高效地聚合数据,无论是性能还是代码量都非常出色。Groupby 主要指涉及以下一个或多个步骤的过程:

  • 拆分:是我们通过对数据集应用一些条件,将数据拆分成组的过程。
  • 应用:是我们对每组独立应用一个函数的过程。
  • 组合:是我们将 groupby 和结果应用到一个数据结构中后,将不同数据集进行组合的过程。

语法:group by(by =无,轴=0,级别=无,as_index =真,排序=真,group_keys =真,挤压=假,**kwargs)

参数:

  • 通过:映射、函数、字符串或可迭代
  • 轴: int,默认 0
  • 级别:如果轴是多索引(分层),则按特定级别分组
  • as_index : 对于聚合输出,返回以组标签为索引的对象。仅与数据帧输入相关。as_index=False 实际上是“SQL 风格”的分组输出
  • 排序:排序组键。关闭此功能可以获得更好的性能。请注意,这不会影响各组内的观察顺序。groupby 保留每个组中的行顺序。
  • 组合键:调用 apply 时,将组合键添加到索引中以识别片段
  • 挤压:如果可能,减少返回类型的维度,否则返回一致的类型

返回:分组对象

这里,我们使用一个简单的虚拟数据帧,如下所示:

此外,我们使用一些方法来统计熊猫小组的观察结果,下面用例子来解释。

示例 1:使用组计数(按一个变量计数)

在本例中,我们将使用 group.count()方法来计算每个组中的成员总数。

蟒蛇 3

# import libraries
import pandas as pd

#create pandas DataFrame
df = pd.DataFrame({'Name': ['Arun', 'Arun', 'Bhuvi', 'Bhuvi',
                            'Bhuvi', 'Chandan', 'Chandan'],

                   'Department':['CSE', 'IT', 'CSE', 'CSE',
                                 'IT', 'IT', 'CSE'],

                   'Funds': [1100, 800, 700, 600, 600, 500, 1200]})

# create a group using groupby
group = df.groupby("Department")

# count the observations
group.count()

输出:

示例 2:使用组大小(按多个变量计数)

在本例中,我们将使用 group.size()方法,该方法计算每个组中条目/行的数量。

蟒蛇 3

# import libraries
import pandas as pd

#create pandas DataFrame
df = pd.DataFrame({'Name': ['Arun', 'Arun', 'Bhuvi', 'Bhuvi', 
                            'Bhuvi', 'Chandan', 'Chandan'],

                   'Department':['CSE', 'IT', 'CSE', 'CSE', 
                                 'IT', 'IT', 'CSE'],

                   'Funds': [1100, 800, 700, 600, 600, 500, 1200]})

# create a group using groupby
group = df.groupby(['Name', 'Department'])

# size of group to count observations
group = group.size()

# make a column name 
group.reset_index(name='Observation')

输出:



回到顶部