熊猫分组和计算平均值
原文:https://www.geeksforgeeks.org/pandas-group by-and-computing-mean/
熊猫是建立在 NumPy 库之上的开源库。它是一个 Python 包，提供了各种数据结构和操作来操作数字数据和时间序列。它主要是流行的，因为导入和分析数据容易得多。熊猫速度快，为用户带来高性能&生产力。
Groupby 是一个相当简单的概念。我们可以创建一组类别，并对这些类别应用一个函数。这是一个简单的概念，但却是一项在数据科学中广泛使用的极其有价值的技术。这是有帮助的，因为我们可以:
- 计算每个组的汇总统计信息
- 执行特定于组的转换
- 进行数据过滤
groupby() 包括拆分对象、应用函数和组合结果的组合。这可用于对这些组中的大量数据和计算操作进行分组。
例 1:
蟒蛇 3
# import required module
import pandas as pd
# create dataframe
df = pd.DataFrame({'Animal': ['Falcon', 'Falcon', 'Parrot', 'Parrot'],
'Max Speed': [380., 370., 24., 26.]})
# use groupby() to compute mean
df.groupby(['Animal']).mean()
输出
例 2:
蟒蛇 3
# import required module
import pandas as pd
# assign list
l = [[100, 200, 300], [10, None, 40], [20, 10, 30], [100, 200, 200]]
# create dataframe
df = pd.DataFrame(l, columns=["a", "b", "c", ])
# use groupby() to generate mean
df.groupby(by=["b"]).mean()
输出:
例 3:
蟒蛇 3
# import required module
import pandas as pd
# assign data
ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings', 'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
'Year': [2014, 2015, 2014, 2015, 2014, 2015, 2016, 2017, 2016, 2014, 2015, 2017],
'Points': [876, 789, 863, 673, 741, 812, 756, 788, 694, 701, 804, 690]}
# create dataframe
df = pd.DataFrame(ipl_data)
# use groupby() to generate mean
df.groupby(['Team']).mean()
输出:
