padas数据分组(padas分组后如何分别保存)

导语：「干货教程6」Pandas如何分组「推荐」

Groupby:分-治-合

group by具体来说就是分为3步骤，分-治-合，具体来说：

分：基于一定标准，splitting数据成为不同组治：将函数功能应用在每个独立的组上合：收集结果到一个数据结构上分和合按照字面理解就可，但是“治”又是怎么理解，进一步将治分为3件事：

聚合操作，比如统计每组的个数，总和，平均值转换操作，对每个组进行标准化，依据其他组队个别组的NaN值填充过滤操作，忽略一些组，比如个数不够指定大小的下面详细说下，分，治，这两步操作。合地话就是映射为具体的某个数据结构。

分(splitting)

分组就是根据默认的索引映射为不同索引取值的分组名称，来看如下所示的DataFrame实例df_data，可以按照多种方式对它分组，直接调用groupby接口，

df_data.groupby('A')默认是按照axis=0分组的(行)，如果按照列，修改轴，即

df_data.groupby('A' , axis=1)也可以按照多个列分组，比如：

df_data.groupby([ 'A', 'B'] )05

选择分组

分组后返回的对象类型为：DataFrameGroupBy，我们看下按照列标签'A'分组后，因为'A'的可能取值为：foo, bar ，所以分为了两组，通过DataFrameGroupBy的get_group可以取得对应的组内行，如下图所示，

agroup = df.groupby('A')agroup.get_group('foo')

同样的方法，看下bar组包括的行：

agroup = df.groupby('A')agroup.get_group('bar')

如果我们想看下每组的第一行，可以调用 first()，可以看到是每个分组的第一个，last()显示每组的最后一个：

agroup.first()

治：分组上的操作

对分组上的操作，最直接的是使用aggregate操作，如下，求出每个分组上对应列的总和，大家可以根据上面的分组情况，对应验证：

agroup = df.groupby('A')agroup.aggregate(np.sum)

如果根据两个字段的组合进行分组，如下所示，为对应分组的总和，

abgroup = df.groupby(['A','B'])abgroup.aggregate(np.sum)

查询对应每个分组的个数，返回的是Series实例：

abgroup.size()

如果需要查看，分组foo, one 的个数，如下，得到个数 2.

abgroup.size()['foo']['one']获得每个分组的统计信息，调用describe接口，如下所示：

abgroup.describe()

一次应用多个函数：

agroup = df.groupby('A')agroup.agg([np.sum, np.mean, np.std])

本文内容由小媛整理编辑！