学习目标

  • 目标
    • 应用groupby和聚合函数实现数据的分组与聚合

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：分组效果.png

1 什么是分组与聚合分组聚合原理.png

2 分组API

  • 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 ```python col =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]})

color object price1 price2 0 white pen 5.56 4.75 1 red pencil 4.20 4.12 2 green pencil 1.30 1.60 3 red ashtray 0.56 0.75 4 green pen 2.75 3.15

  2. - 进行分组，对颜色分组，price进行聚合
  3. ```python
  4. # 分组，求平均值
  5. col.groupby(['color'])['price1'].mean()
  6. col['price1'].groupby(col['color']).mean()
  8. color
  9. green    2.025
  10. red      2.380
  11. white    5.560
  12. Name: price1, dtype: float64
  14. # 分组，数据的结构不变
  15. col.groupby(['color'], as_index=False)['price1'].mean()
  17. color    price1
  18. 0    green    2.025
  19. 1    red    2.380
  20. 2    white    5.560

3 星巴克零售店铺数据

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

星巴克数据.png

3.1 数据获取

从文件中读取星巴克店铺数据

  1. # 导入星巴克店的数据
  2. starbucks = pd.read_csv("./data/starbucks/directory.csv")

3.2 进行分组聚合

  1. # 按照国家分组，求出每个国家的星巴克零售店数量
  2. count = starbucks.groupby(['Country']).count()

画图显示结果

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

星巴克数量画图.png
假设我们加入省市一起进行分组

  1. # 设置多个索引，set_index()
  2. starbucks.groupby(['Country', 'State/Province']).count()

国家省市分组结果.png
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

4 小结

  • groupby进行数据的分组【知道】
    • pandas中，抛开聚合谈分组，无意义