📊【Python】進階學習：pandas–groupby()用法詳解

🌈 個人主頁：高斯小哥
🔥 高質量專欄：Matplotlib之旅：零基礎精通數據可視化、Python基礎【高質量合集】、PyTorch零基礎入門教程👈 希望得到您的訂閱和支持~
💡 創作高質量博文(平均質量分92+)，分享更多關于深度學習、PyTorch、Python領域的優質內容！（希望得到您的關注~）

---

??👋 歡迎來到Python進階學習之旅！今天，我們將深入探討pandas庫中非常強大的groupby()函數。groupby()函數在數據分析和數據清洗中發揮著關鍵作用，能夠幫助我們輕松地對數據進行分組、聚合和轉換。

🤔 一、為什么需要groupby()？

??在處理大量數據時，我們經常需要按照某個或多個特征對數據進行分組，以便更好地理解數據的結構和關系。例如，我們可能希望按照年份、地區或產品類別對數據進行分組，并對每個組進行聚合運算，如求和、平均值、最大值等。這時，groupby()函數就顯得非常有用。

🎯 二、groupby()的基本用法

??首先，我們需要導入pandas庫，并創建一個示例數據集。然后，我們可以使用groupby()函數按照指定的列對數據進行分組。

import numpy as np
import pandas as pd# 創建一個簡單的DataFrame
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],'C': np.random.randn(8),'D': np.random.randn(8)
}
df = pd.DataFrame(data)# 使用groupby按列'A'進行分組
grouped = df.groupby('A')# 打印分組后的GroupBy對象
print(grouped)

輸出：

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002B2C070B8E0>

??上述代碼將按照列’A’的值對DataFrame進行分組，并返回一個GroupBy對象。我們可以進一步對這個對象進行聚合運算。

📈 三、聚合運算

??GroupBy對象提供了多種聚合函數，如sum()、mean()、max()等。我們可以使用這些函數對每個組進行聚合運算。

import numpy as np
import pandas as pd# 創建一個簡單的DataFrame
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],'C': np.random.randn(8),'D': np.random.randn(8)
}
df = pd.DataFrame(data)# 使用groupby按列'A'進行分組
grouped = df.groupby('A')# 打印分組后的對象
print(grouped)# 計算每個組的平均值
mean_grouped = grouped.mean()
print(mean_grouped)# 計算每個組的總和
sum_grouped = grouped.sum()
print(sum_grouped)

輸出：

            C         D
A                      
bar  0.658173 -0.225388
foo  0.778100 -0.164148C         D
A                     
bar  1.97452 -0.676164
foo  3.89050 -0.820740

??除了內置的聚合函數外，我們還可以使用agg()函數應用自定義的聚合函數。例如，我們可以計算每個組的標準差：

import numpy as np
import pandas as pd# 創建一個簡單的DataFrame
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],'C': np.random.randn(8),'D': np.random.randn(8)
}
df = pd.DataFrame(data)# 使用groupby按列'A'進行分組
grouped = df.groupby('A')# 打印分組后的對象
print(grouped)# 計算每個組的標準差
std_grouped = grouped.agg(np.std)
print(std_grouped)

輸出：

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002B2F480B880>C         D
A                      
bar  0.101229  0.274698
foo  0.996597  0.812362

🛠? 四、高級用法與技巧

??除了基本的分組和聚合操作外，groupby()還提供了許多高級功能，如應用自定義函數、轉換數據等。

🔧 應用自定義函數

??我們可以使用apply()方法應用自定義函數到每個組。例如，我們可以定義一個函數來計算每個組的最大值和最小值之差：

import numpy as np
import pandas as pd# 創建一個簡單的DataFrame
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],'C': np.random.randn(8),'D': np.random.randn(8)
}
df = pd.DataFrame(data)# 使用groupby按列'A'進行分組
grouped = df.groupby('A')# 打印分組后的對象
print(grouped)# 定義一個自定義函數，計算每個組的最大值和最小值之差
def range_diff(group):return group.max() - group.min()# 使用apply()應用自定義函數
diff_grouped = grouped.apply(range_diff)
print(diff_grouped)

輸出：

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002ACBD83AA60>C         D
A                      
bar  2.497695  1.086924
foo  2.826518  2.063781

🔄 數據轉換

??groupby()還提供了transform()方法，用于將聚合運算的結果廣播到原始數據的每一行。這在數據轉換中非常有用。

import numpy as np
import pandas as pd# 創建一個簡單的DataFrame
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],'C': np.random.randn(8),'D': np.random.randn(8)
}
df = pd.DataFrame(data)# 使用groupby按列'A'進行分組
grouped = df.groupby('A')# 打印分組后的對象
print(grouped)# 使用transform()方法將每個組的平均值廣播到原始數據的每一行
mean_transformed = grouped['C'].transform('mean')
print(mean_transformed)# 將轉換后的平均值添加到原始DataFrame中
df['C_mean'] = mean_transformed
print(df)

輸出：

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x00000188A56DA8E0>
0    0.344876
1   -1.358760
2    0.344876
3   -1.358760
4    0.344876
5   -1.358760
6    0.344876
7    0.344876
Name: C, dtype: float64A         C         D    C_mean
0  foo  0.783914 -1.027288  0.344876
1  bar -2.072893 -0.972087 -1.358760
2  foo  0.035637 -0.315908  0.344876
3  bar -1.953068  0.409697 -1.358760
4  foo  0.576048 -0.258289  0.344876
5  bar -0.050318 -1.115734 -1.358760
6  foo  0.093456  0.106227  0.344876
7  foo  0.235322  1.365150  0.344876

🔍 過濾數據

??除了聚合和轉換外，我們還可以使用filter()方法根據條件過濾出滿足條件的組。

import numpy as np
import pandas as pd# 創建一個簡單的DataFrame
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],'C': np.random.randn(8),'D': np.random.randn(8)
}
df = pd.DataFrame(data)# 使用groupby按列'A'進行分組
grouped = df.groupby('A')# 打印分組后的對象
print(grouped)# 使用filter()方法過濾出滿足條件的組（例如，組的大小大于3）
filtered_groups = grouped.filter(lambda x: len(x) > 3)
print(filtered_groups)

輸出：

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x0000015ADE2FA940>A         C         D
0  foo  1.967217  0.005976
2  foo  0.950149  0.098143
4  foo  0.568101  1.461587
6  foo -1.905337 -1.106591
7  foo -0.168686  0.692850

🛠? 五、實際案例應用

??最后，讓我們通過一個實際案例來演示如何應用groupby()函數進行數據分析和清洗。

??假設我們有一個包含銷售數據的DataFrame，其中包含日期、地區、產品名稱、銷售額等列。我們希望按地區和產品名稱對數據進行分組，并計算每個組的總銷售額。

import numpy as np
import pandas as pd# 創建一個包含銷售數據的DataFrame
sales_data = {'date': pd.date_range(start='2023-01-01', periods=100),'region': np.random.choice(['North', 'South', 'East', 'West'], size=100),'product': np.random.choice(['Product A', 'Product B', 'Product C'], size=100),'sales': np.random.rand(100) * 1000
}
df_sales = pd.DataFrame(sales_data)# 按地區和產品名稱對數據進行分組，并計算總銷售額
grouped_sales = df_sales.groupby(['region', 'product'])['sales'].sum().reset_index()# 打印分組后的銷售額
print(grouped_sales)

輸出：

   region    product        sales
0    East  Product A  2728.679432
1    East  Product B  1847.966730
2    East  Product C  4518.356763
3   North  Product A  5882.374531
4   North  Product B  5519.364196
5   North  Product C  4229.953852
6   South  Product A  5303.784425
7   South  Product B  2321.080682
8   South  Product C  4239.002167
9    West  Product A  1689.650513
10   West  Product B  4002.790867
11   West  Product C  4894.553548

??在這個案例中，我們首先創建了一個包含銷售數據的DataFrame。然后，我們使用groupby()函數按地區和產品名稱對數據進行分組，并使用sum()函數計算每個組的總銷售額。最后，我們使用reset_index()函數將結果轉換為一個新的DataFrame，并打印出來。

🎉 六、總結

??groupby()函數是pandas庫中一個非常強大的工具，它允許我們按照一個或多個特征對數據進行分組，并對每個組進行聚合、轉換和過濾操作。通過熟練掌握groupby()函數的用法，我們可以更高效地處理和分析大量數據，從而洞察數據的內在結構和關系。希望這篇博客能夠幫助你更好地理解和應用groupby()函數！

🤝 七、期待與你共同進步

??🌱 親愛的讀者，非常感謝你每一次的停留和閱讀！你的支持是我們前行的最大動力！🙏

??🌐 在這茫茫網海中，有你的關注，我們深感榮幸。你的每一次點贊👍、收藏🌟、評論💬和關注💖，都像是明燈一樣照亮我們前行的道路，給予我們無比的鼓舞和力量。🌟

??📚 我們會繼續努力，為你呈現更多精彩和有深度的內容。同時，我們非常歡迎你在評論區留下你的寶貴意見和建議，讓我們共同進步，共同成長！💬

??💪 無論你在編程的道路上遇到什么困難，都希望你能堅持下去，因為每一次的挫折都是通往成功的必經之路。我們期待與你一起書寫編程的精彩篇章！ 🎉

??🌈 最后，再次感謝你的厚愛與支持！愿你在編程的道路上越走越遠，收獲滿滿的成就和喜悅！祝你編程愉快！🎉