数据分析之Pandas（十）高级处理-分组与聚合

高级处理-分组与聚合

分组与聚合通常是分析数据的一种方式，通常与一些统计函数一起使用，查看数据的分组情况

想一想其实刚才的交叉表与透视表也有分组的功能，所以算是分组的一种形式，只不过他们主要是计算次数或者计算比例！！看其中的效果：

什么是分组与聚合

数据分析中，常常需要把数据量相对较大的数据分成若干各组，然后分别对小的组中的数据做统计分析操作，比如说分析员工工资状况与员工的性别/入职年份/部分之间的关系时。

分组与聚合的内部过程：分组 -> 统计得出每一个小的组的统计值 -> 合并成最终结果

分组与聚合API

• DataFrame.groupby()，生成 DataFrameGroupBy
• Series.groupby()，生成 SeriesGroupBy

通过DataFrame来做groupby相对方便一些，因为只需要传分组依据所在的列的名称即可

• DataFrame.groupby(key, as_index=False)
  • key:分组的列数据，可以多个
• 案例:不同颜色的不同笔的价格数据

data =pd.DataFrame({'color': ['white','red','green','red','green'], 
					'object':['pen','pencil','pencil','ashtray','pen'],
					'price1':[5.56,4.20,1.30,0.56,2.75],
					'price2':[4.75,4.12,1.60,0.75,3.15]})

进行分组，对颜色分组，price进行聚合

• 分组，求最大值
  
• 分组，求平均值
  
• 分组，数据的结构不变
  

案例分析 ： 星巴克零售店铺数据

counts = data.groupby('Country').count()
brand = counts['Brand'] brand = brand.sort_values(ascending=False)
brand[:10].plot(kind='bar', figsize=(12, 6), fontsize=14)

按照多个条件分组：
counts = data.groupby(['Country', 'State/Province']).count()
counts.loc['CN']['Brand'].sort_values(ascending=False)

现在我们有一组关于全球星巴克店铺的统计数据，如果我想知道美国的星巴克数量和中国的哪个多，或者我想知道中国每个省份星巴克的数量的情况，那么应该怎么办？

数据来源：https://www.kaggle.com/starbucks/store-locations/data

• 数据获取
  链接：https://pan.baidu.com/s/1UD2SvDWCuJvtHB1a8yIkuQ
  提取码：egoc
  从文件中读取星巴克店铺数据
  导入星巴克店的数据
  
• 进行分组聚合
  按照国家分组，求出每个国家的星巴克零售店数量
  
  画图显示结果

count['Brand'].plot(kind='bar', figsize=(20, 8))
plt.show()

假设我们加入省市一起进行分组
设置多个索引



仔细观察这个结构，与我们前面讲的哪个结构类似？？
与前面的MultiIndex结构类似

版权声明：
笔者博客文章主要用来作为学习笔记使用，内容大部分整理自互联网，如有侵权，请联系博主删除！