前言:

數據聚合和分組操作是數據處理過程中不可或缺的一部分。它們允許我們根據特定的條件對數據進行分組，并對每個組進行聚合計算。這對于統計分析、匯總數據以及生成報告和可視化非常有用。無論是市場營銷數據分析、銷售業績評估還是金融數據建模，數據聚合和分組操作都起著關鍵的作用。

正文:

數據聚合操作

定義數據聚合

在數據分析中，聚合是指將多個數據元素合并為更高級別的結果表示。數據聚合可以通過對數據集應用統計函數來實現，如計算平均值（mean）、求和（sum）、計數（count）等。這些函數可以輕松地應用于DataFrame或Series對象，讓我們能夠快速計算數據集的統計指標。聚合可以將數據量進行縮減，提取出數據集的關鍵特征，并為進一步分析提供更有意義的結果。

聚合操作與數據匯總的關系

數據聚合操作是數據匯總的一種方式。通過聚合操作，我們可以對數據集中的特定列或多列進行分組，并對每個分組應用聚合函數。這樣，我們可以將原始數據轉變為更有用的匯總信息，如計算每個分組的平均值、總和或計數。

案例： 假設我們有一個銷售數據集，其中包含了不同產品的銷售記錄。我們希望對該數據集進行分組和聚合操作，以了解不同產品類別的平均銷售額、總銷售額和銷售數量。

import pandas as pd# 載入銷售數據集
sales_data = pd.read_csv('sales_data.csv')# 根據產品類別進行分組
grouped_sales = sales_data.groupby('產品類別')# 計算平均銷售額、總銷售額和銷售數量
avg_sales = grouped_sales['銷售額'].mean()
total_sales = grouped_sales['銷售額'].sum()
count_sales = grouped_sales['銷售數量'].count()# 打印結果
print("平均銷售額：\n", avg_sales)
print("總銷售額：\n", total_sales)
print("銷售數量：\n", count_sales)

我們將銷售數據集按照產品類別進行了分組，并計算了每個產品類別的平均銷售額、總銷售額和銷售數量。通過這些聚合操作，我們可以更好地理解不同產品類別的銷售情況。

數據分組操作

數據分組的概念和作用

在數據分析中，數據分組是將數據集按照特定的條件或列進行劃分的過程。通過數據分組，我們可以對每個分組內的數據應用各種操作和聚合函數，以獲得更具體和有針對性的結果。數據分組讓我們能夠更好地理解數據集中的不同子集，并揭示出數據的隱藏特征和關聯性。

groupby函數和語法

Pandas中的groupby函數是進行數據分組操作的核心工具。它可以根據指定的列名或條件將數據集劃分為多個組。使用groupby函數時，我們可以使用鏈式操作進一步對分組后的數據進行聚合、過濾或變換。

分組操作的常用參數和方法

在進行數據分組時，Pandas的groupby函數提供了各種參數和方法來控制分組操作的行為和結果。常用的參數包括：

• by：指定按照哪些列進行分組
• as_index：是否將分組的列作為索引，默認為True
• level：指定多級索引時用于分組的級別

常用的分組方法包括：

• sum()：計算分組后的總和
• mean()：計算分組后的平均值
• count()：計算分組后的計數
• max()：計算分組后的最大值
• min()：計算分組后的最小值

?分組聚合操作實例

進行單列分組并應用特定聚合函數

假設我們有一個員工工資的數據集，包含員工姓名、部門和薪水信息。我們想要根據部門對薪水進行分組，并計算每個部門的平均薪水、最高薪水和最低薪水。

import pandas as pd# 載入數據集
salary_data = pd.read_csv('salary_data.csv')# 根據部門分組并應用聚合函數
grouped_data = salary_data.groupby('部門')
avg_salary = grouped_data['薪水'].mean()
max_salary = grouped_data['薪水'].max()
min_salary = grouped_data['薪水'].min()# 打印結果
print("部門平均薪水：\n", avg_salary)
print("部門最高薪水：\n", max_salary)
print("部門最低薪水：\n", min_salary)

多列分組操作和多個聚合函數的應用

繼續以上述員工工資的數據集為例，我們想要根據部門和職位對薪水進行分組，并計算每個部門和職位的平均薪水和最低薪水。

import pandas as pd# 繼續使用上述數據集
# 根據部門和職位分組并應用多個聚合函數
grouped_data = salary_data.groupby(['部門', '職位'])
agg_data = grouped_data['薪水'].agg(['mean', 'min'])# 打印結果
print("部門和職位的平均薪水和最低薪水：\n", agg_data)

結果重命名和索引重置的技巧

在進行分組聚合操作時，我們可以使用rename和reset_index方法對最終結果進行重命名和索引重置，以使結果更易讀和理解。例如，我們可以將計算得到的平均薪水和最低薪水分別重命名為"平均工資"和"最低工資"，并將默認的分組索引恢復為普通的整數索引。

import pandas as pd# 繼續使用上述數據集和代碼
# 重命名結果并重置索引
agg_data.rename(columns={'mean': '平均工資', 'min': '最低工資'}, inplace=True)
agg_data.reset_index(inplace=True)# 打印最終結果
print("重命名和重置索引后的結果：\n", agg_data)

總結：

通過使用groupby函數和各種聚合函數，我們可以根據特定條件將數據集分組，并對每個分組進行各種匯總和計算操作。