7.2 数据的分组与聚合

7.2数据的分组与聚合学习内容7.2.1数据的分组7.2.2数据的聚合7.2数据的分组与聚合7.2.1数据的分组在日常的数据分析中，经常需要将数据根据某个（多个）字段划分为不同的群体（组）进行分析，如电商领域将全国的总销售额根据省份进行划分，分析各省销售额的变化情况，社交领域将用户根据画像（性别、年龄）进行细分，研究用户的使用情况和偏好等。在pandas中，用groupby()方法完成数据分组操作。序号参数说明1by映射、函数、标签或标签列表；用于确定聚合的组。2axis默认为0，表示按行操作；设置为1，表示按列操作。3as_index布尔值，默认True，返回以组标签为行标签的对象，若为False则不以组标签为行标签。7.2数据的分组与聚合7.2.1数据的分组案例：已知公司员工的收入数据表（data/月薪.csv），要求统计不同公司的平均收入和不同公司“男”和“女”员工的平均收入。01importpandasaspd02df=pd.read_csv('data/月薪.csv',engine='python')03df.groupby(['公司'])['月薪'].mean()#按公司分组统计平均月薪04df.groupby(['公司','性别'],as_index=False)['月薪'].mean()#按公司和性别分组统计平均月薪as_index=False表示分组后返回的DataFrame对象不以组标签为行标签7.2数据的分组与聚合7.2.2数据的聚合聚合是分组之后的常见的操作。聚合可以用来求和、均值、最大值、最小值等。在pandas中，可以利用agg()方法来完成聚合，其返回值为DataFrame对象。表7.2.2agg()方法的常用参数说明序号参数说明1func函数，函数名称，函数列表，字典{‘行名/列名’：‘函数名’}2axis默认为0，设置为0表示按行操作；设置为1，表示按列操作。7.2数据的分组与聚合7.2.2数据的聚合表7.2.3agg()方法的常用聚合操作函数序号函数说明1count分组中非NaN值的数量2sum非NaN值的和3mean非NaN值的平均值4median非NaN值的中位数5std,var标准差和方差6min,max非NaN的最小值，最大值7prod非NaN值的乘积8first,last非NaN值的第一个,最后一个7.2数据的分组与聚合7.2.2数据的聚合案例：继续使用公司员工的收入数据表（data/月薪.csv），要求统计不同公司的“男”和“女”员工的数量，平均收入，以及收入最高值和最低值，并将统计结果保存到文件‘月薪2.xls’。05#按公司统计男和女员工的数量df2=df.groupby(['公司','性别'],as_index=False).agg('count')06df2.columns=['公司','性别','数量']#修改df2的列标签07df2

7.2数据的分组与聚合7.2.2数据的聚合08#按公司统计男和女员工的平均、最高和最低月薪df3=df.groupby(['公司','性别'],as_index=False).agg({'月薪':['mean','max','min']})09#修改df3的列标签df3.columns=['公司','性别','平均月薪','最高月薪','最低月薪']10df3

7.2数据的分组与聚合7.2.2数据的聚合11#合并df2和df3，没有指定on，则用两个对象的交集的列标签作为连接键值。cont=pd.merge(df2,df3,how='inner')12cont['平均月薪']=cont['平均月薪'].r