Pandas 中实现聚合统计,有几种方法?
pandas是当前Python数据分析中最为重要的工具,其提供了功能强大且灵活多样的API,可以满足使用者在数据分析和处理中的多种选择和实现方式。今天本文以Pandas中实现分组计数这个最基础的聚合统计功能为例,分享多种实现方案,最后一种应该算是一个骚操作了…… 这里首先给出模拟数据集,不妨给定包括如下Pa两列的一个dataframe,需求是统计各国将领的人数。应该讲这是一个很基础的需求,旨在通过这一需求梳理pandas中分组聚合的几种通用方式。 value_counts上述需求是统计各国将领的人数,换言之就是在上述数据集中统计各个国家出现的次数。所以实现这一目的只需简单的对国家字段进行计数统计即可: 当然,以nd上实现其实仅适用于计数统计这种特定需求,对于其他的聚合统计是不能满足的。 groupby+count第一种实现算是走了取巧的方式,对于更为通用的聚合统计其实是不具有泛化性的,那么pandas中标准的聚合是什么样的呢?对于上述仅有一种聚合函数的例子,在pandas中更倾向于使用groupby直接+聚合函数,例如as上述的分组计数需求,其实就是groupby+count实现。 进一步的,其具体实现形式有两种: 1、分组后对指定列聚合,在这种形式中依据country分组后只提取name一列,相当于每个country下对应了一个由多个name组成的series,而后的count即为对这个series进行count。 2、分组后 中直接聚合,然后再提取指定列。此时,依据country分组后不限定特定列,而是直接加聚合函数count,此时相当于对列都进行count,此时得到的仍然是一个dataframe,而后再从这个dataframe中提取对特定列的计数结果。 值得指出,在此例中country以外的其他列实际上也是只有name一列,但与第一种实现形式其实也是不同的,具体在于未加提取name列之前,虽然也是只有name一列,但却还是一个dataframe: groupby+agg上述方法是直接使用groupby+相应的聚合函数,这种聚合统计方法简单易懂,但缺点就是仅能实现单一的聚合需求,对于有多种聚合函数的情况是不适用的。此时,功能更为强大的agg函聚合数随之登场。agg是aggregation的缩写,可见其是专门用于聚合统计的,其可以接收多种不同的聚合函数,因而更具可定制性。 agg函数主要接收两个参数,第一个参数func用于接收聚合算子,可以是一个函数名或对象,也可以是一个函数列表,还可以是一个字典,使用方法很是灵活;第二参数axis则是指定聚合所沿着统计的轴向,默认是axis=0,即沿着行的方向对列聚合。agg的函数文档如下: 这里,仍然以上述分组计数为例,讲解groupby+agg的三种典型应用方式: 1、agg内接收聚合函数或聚合函数列表。具体实现形式也分为两种,与前面groupby直接+聚合函数的用法类似。实际上,该种用法其实与groupby直接+聚,有合函数极为类似。 2、agg内接收聚合函数字典,其中key为列名,value为聚合函数或函数列表,可实现同时对多个不同列实现不同聚合统计。这里字典的key是要聚合的name字段,字典的value即为要用的聚合函数count,当然也可以是包含count的列表的形式。用字典传入聚合函数的形式下,统计结果都是一个da几种taframe,更进一步的说当传入字典的value是聚合函数列表时,结果中dataframe的列名是一个二级列名。 3、agg内接收新列名+元组,实现对指定列聚合并重命名。对于聚合函数不是特别复杂而又希望能同时完成聚合列的重命名时,可以选用此种方式,具体传参形式实际上采用了python中可变字典参数**kwar方法gs的用法,其中字典参数中的key是新列名,value是一个元组的形式,包括聚合字段列名和聚合函数。 groupby+apply如果说上述实现方式都还是pandas里中规中矩的聚合统计,那么这一种方式则是不是该算是一种骚操作?实际上,这是应用了pandas中apply的强大功能,具体可参考历史推文PanPadas中的这3个函数,没想到竟成了我数据处理的主力。 由于apply支持了多种重载方法,所以对于分组后的grouped dataframe应用apply,也可实现特定的聚合函数统计功能。首先看如下实际应用: 在上述方法中,groupby('country')后的结果,实际上是得到了一个DataFrameGroupndBy对象,实际上是一组(key, value)的集合,其中每个key对应country列中的一种取值,每个value为该key对应的一个子dataframe,具体拆解打印如下: 而后,groupby后面接的apply函数,实质上即为对每个分组下的子dataframe进行聚合,具体使用何种聚合方式则就看apasply中传入何种参数了! 总结本文针对一个最为基础的聚合统计场景,介绍pandas中4类不同的实现方案,其中第一种value_counts不具有一般性,仅对分组计数需求适用;第二种groupby+聚合函数,是最为简单和基础的聚合统计,仅适用于单一聚合函数的需求;第三种groupby+agg,具有灵活多样的传参方式 中,是功能最为强大的聚合统计方案;而第四种groupby+apply则属于是灵活应用了apply的重载功能,可以用于完成一些特定的统计需求。 最后,虽然本文以简单的分组计数作为讲解案例,但所提到的方法其实是能够代表pandas中的各种聚合统计需求。
- 最近发表
-
- 通义 APP 推出知识库功能,助力用户高效管理个人与官方信息
- 标签: 创想三维 3D打印 腾讯投资 港交所上市
- 标签: 英特尔 TeraFab 马斯克 SpaceX
- 盘点2021年九大好用的人脸识别软件
- 2025 年上半年中国 AI IaaS 市场规模达 198.7 亿元,同比增长 122.4%
- 标签: 国家大基金 比亚迪璇玑A3 小红书世界杯 DeepSeek
- 标签: 信也科技 FINV 金融科技 财报
- 云安全日报210831:红帽RHEL系统内核发现特权提升漏洞,需要尽快升级
- 标签: 阿里云 通义实验室 周靖人
- 标签: TCL SQD-Mini LED NXTPAPER 4.0 AI健康空调 CES2026
- 随机阅读
-
- 标签: 精锋医疗 港股上市 腾讯投资 医疗科技
- 螃蟹运输能活多久
- DeepMind 重磅推出 “帧链” 概念:视频模型或将实现全面视觉理解
- 标签: 滴滴充电 小桔充电 林枝棠 充电服务
- 标签: 喜临门 ST喜临门 陈阿裕 羿阁公司
- 美国加州货运抢劫案频发,AI 数据中心硬件成目标
- 出版行业面临 “谷歌零点击” 危机,寻求新出路
- 马斯克:Grok5迈向通用人工智能的机会上升至10%
- 云安全日报210603:Ubuntu Linux内核发现执行任意代码和拒绝服务漏洞,需要尽快升级
- Facebook在越南农村探索新模式:用聊天和视频推动社交电商
- 云计算核心技术Docker教程:Docker使用Graylog 扩展格式日志驱动程序
- 谷歌新 AI “Nano Banana” 一周吸引千万用户,图像编辑轻松搞定!
- 迎新晚会主持词开场白
- 云计算核心技术Docker教程:Docker Hub设置Slack集成
- 标签: 上海银行 2025年报 一季报 科技贷款
- Facebook更新商业工具 WhatsApp将引入“商店”及个性化广告
- 标签: 追觅科技 俞浩 百万亿美元公司 高端品牌
- 标签: 安德科铭 ALD前驱体 半导体材料 中金公司
- Alexa+杀入音乐场景!亚马逊用AI对话式助手三倍提升用户听歌时长,直指Spotify腹地
- 标签: 智谱 GLM-5.2 唐杰 大模型
- 搜索
-
- 友情链接