如何使用 Pandas 進行資料聚合？

Pandas 中的聚合

使用 Pandas，您可以執行各種聚合操作來降低維度並彙總資料。

問題 1：我要怎麼用 Pandas 進行聚合？

Pandas 提供了許多聚合函數，包括平均值 ()、總和 ()、計數 ()、最小值 () 和最大值 ()。您可以使用這些函數來計算每個群組的總計統計資料。例如：

# Calculate mean of each group based on 'A' and 'B' columns
df1 = df.groupby(['A', 'B']).mean()

# Print the results
print(df1)

問題2：聚合後沒有DataFrame！發生了什麼事？

當您對多個欄位套用聚合時，結果物件可以是 Series 或 DataFrame，這取決於分組的列數。

• Series: 如果按一列或多列進行分組，則結果是一個系列，其索引對應於
• DataFrame:如果僅按一列進行分組，則結果為DataFrame，其中的列與原始列相對應。

取得 DataFrame對於所有列，在 groupby 函數中使用 as_index=False。

問題 3：如何聚合主要字串列（以列表、元組、帶分隔符號的字串）？

要聚合字串列，您可以使用清單、元組或連線操作。

• 列表：轉換使用list() 或將欄位加入清單GroupBy.apply(list).
• 元組:使用tuple() 或GroupBy.apply(tuple).
• 字串將列轉換為元組分隔符號： 使用分隔符號將字串組合起來str.join().

例如：

# Convert 'B' column values to a list for each group
df1 = df.groupby('A')['B'].agg(list).reset_index()

# Combine 'B' column values into a string with separator for each group
df2 = df.groupby('A')['B'].agg(','.join).reset_index()

問題4：如何聚合計數？

計算每個值中的非缺失值組，使用 GroupBy.count()。若要計算所有值（包括缺失值），請使用 GroupBy.size()。

例如：

# Count non-missing values in 'C' column for each group
df1 = df.groupby('A')['C'].count().reset_index(name='COUNT')

# Count all values in 'A' column for each group
df2 = df.groupby('A').size().reset_index(name='COUNT')

問題 5：如何建立由聚合值填入的新欄位？

您可以使用transform()方法新增包含聚合值的新欄位。 Transform() 函數對每個群組套用指定的操作，並傳回一個與原始物件大小相同的新物件。

例如：

# Create a new 'C1' column with the sum of 'C' grouped by 'A'
df['C1'] = df.groupby('A')['C'].transform('sum')

以上是如何使用 Pandas 進行資料聚合？的詳細內容。更多資訊請關注PHP中文網其他相關文章！