分组聚合

分组聚合是 Pandas 最强大的功能之一，用于对数据进行分组统计。

基本分组

import pandas as pd

df = pd.DataFrame({
    '部门': ['技术', '销售', '技术', '销售', '技术'],
    '姓名': ['张三', '李四', '王五', '赵六', '孙七'],
    '工资': [8000, 6000, 9000, 7000, 8500]
})

# 按部门分组
grouped = df.groupby('部门')

# 分组求平均
print(grouped['工资'].mean())

# 分组求和
print(grouped['工资'].sum())

# 分组计数
print(grouped['工资'].count())

多列分组

df = pd.DataFrame({
    '部门': ['技术', '技术', '销售', '销售'],
    '性别': ['男', '女', '男', '女'],
    '工资': [8000, 7500, 6000, 6500]
})

# 按多列分组
grouped = df.groupby(['部门', '性别'])
print(grouped['工资'].mean())

聚合操作

df = pd.DataFrame({
    '部门': ['技术', '销售', '技术', '销售'],
    '工资': [8000, 6000, 9000, 7000],
    '奖金': [2000, 1500, 2500, 1800]
})

# 使用agg进行多聚合
grouped = df.groupby('部门')
print(grouped.agg({
    '工资': ['mean', 'sum', 'max'],
    '奖金': ['mean', 'sum']
}))

# 使用自定义聚合函数
print(grouped.agg({
    '工资': lambda x: x.max() - x.min()
}))

常用聚合函数

grouped = df.groupby('部门')

# 多个统计量
print(grouped.describe())

# 第一个值
print(grouped.first())

# 最后一个值
print(grouped.last())

# 第n个值
print(grouped.nth(0))

# 唯一值
print(grouped['工资'].unique())

# 值列表
print(grouped['工资'].apply(list))

转换操作

df = pd.DataFrame({
    '部门': ['技术', '销售', '技术', '销售'],
    '工资': [8000, 6000, 9000, 7000]
})

# 组内标准化
df['标准化工资'] = df.groupby('部门')['工资'].transform(
    lambda x: (x - x.mean()) / x.std()
)
print(df)

# 组内排名
df['排名'] = df.groupby('部门')['工资'].rank()
print(df)

过滤操作

df = pd.DataFrame({
    '部门': ['技术', '销售', '技术', '销售', '技术'],
    '工资': [8000, 6000, 9000, 7000, 8500]
})

# 过滤分组
df_filtered = df.groupby('部门').filter(lambda x: x['工资'].mean() > 7000)
print(df_filtered)

分组应用自定义函数

def top_n(df, n=2):
    return df.nlargest(n, '工资')

df = pd.DataFrame({
    '部门': ['技术', '技术', '技术', '销售', '销售'],
    '姓名': ['张三', '李四', '王五', '赵六', '孙七'],
    '工资': [8000, 9000, 8500, 6000, 7000]
})

# 应用自定义函数
result = df.groupby('部门').apply(top_n)
print(result)

分组聚合是数据分析的核心技能，掌握它可以高效地进行数据统计分析。