AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

pandas groupby 分组操作

2017-11-16 1479
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：

最一般化的groupby 方法是apply.

tips=pd.read_csv('tips.csv') tips[:5]

这里写图片描述

新生成一列

tips['tip_pct']=tips['tip']/tips['total_bill']
tips[:6]

这里写图片描述

根据分组选出最高的5个tip_pct值

def top(df,n=5,column='tip_pct'): return df.sort_index(by=column)[-n:] top(tips,n=6)

这里写图片描述

对smoker分组并应用该函数

tips.groupby('smoker').apply(top)

这里写图片描述



















本文转自张昺华-sky博客园博客，原文链接：http://www.cnblogs.com/bonelee/p/7596676.html，如需转载请自行联系原作者



文章标签：
Python
关键词：
Pandas分组
Pandas groupby
Pandas操作
Pandas groupby分组
桃子红了呐
目录
相关文章
东方睿赢
|
4月前
|
Python
如何使用Python的Pandas库进行数据透视图（melt/cast）操作？
Pandas的`melt()`和`pivot()`函数用于数据透视。基本步骤：导入pandas，创建DataFrame，然后使用这两个函数变换数据。示例代码：导入pandas，定义一个包含'Name'和'Age'列的DataFrame，使用`melt()`转为长格式，再用`pivot()`恢复为宽格式。
东方睿赢
108 1
众所周知
|
4月前
|
数据格式 Python
如何使用Python的Pandas库进行数据透视图（melt/cast）操作？
Pandas的`melt()`和`pivot()`函数用于数据透视。基本步骤：导入pandas，创建DataFrame，然后使用这两个函数转换数据格式。示例代码展示了如何通过`melt()`转为长格式，再用`pivot()`恢复为宽格式。输入数据是包含'Name'和'Age'列的DataFrame，最终结果经过转换后呈现出不同的布局。
众所周知
77 6
aliyun4468252351-17262
|
4月前
|
人工智能 机器人 Serverless
【Python】Pandas的一系列经典操作（非常实用）
【Python】Pandas的一系列经典操作（非常实用）
aliyun4468252351-17262
45 3
Python大数据分析
|
15天前
|
Python
掌握pandas中的时序数据分组运算
掌握pandas中的时序数据分组运算
Python大数据分析
25 4
Python大数据分析
|
15天前
|
SQL 数据挖掘 数据处理
不再纠结，一文详解pandas中的map、apply、applymap、groupby、agg...
不再纠结，一文详解pandas中的map、apply、applymap、groupby、agg...
Python大数据分析
35 1
傻啦嘿哟
|
4月前
|
数据采集 数据可视化 数据挖掘
使用Pandas对Data列进行基于顺序的分组排列
使用Pandas对Data列进行基于顺序的分组排列
傻啦嘿哟
60 0
众所周知
|
2月前
|
数据处理 Python
数据科学进阶之路：Pandas与NumPy高级操作详解与实战演练
【7月更文挑战第13天】探索数据科学：Pandas与NumPy提升效率的高级技巧** - Pandas的`query`, `loc`和`groupby`用于复杂筛选和分组聚合，例如筛选2023年销售额超1000的记录并按类别计总销售额。 - NumPy的广播和向量化运算加速大规模数据处理，如快速计算两个大数组的元素级乘积。 - Pandas DataFrame基于NumPy，二者协同加速数据处理，如将DataFrame列转换为NumPy数组进行标准化再回写，避免链式赋值。 掌握这些高级操作，实现数据科学项目的效率飞跃。
众所周知
43 0
肥猪lele01
|
3月前
|
Python
pandas中groupby和shift结合实现相邻行的计算
pandas中groupby和shift结合实现相邻行的计算
肥猪lele01
35 0
龙大吉
|
4月前
|
数据可视化 Python
如何在Pandas中对数据集进行多级分组并进行聚合计算？
在Pandas中进行多级分组与聚合计算的步骤包括导入库（如pandas和matplotlib），准备数据集，使用`groupby()`方法分组，应用聚合函数（如`sum()`、`mean()`）及可视化结果。
龙大吉
54 11
龙大吉
|
4月前
|
索引 Python
使用Python的Pandas库进行数据透视表（pivot table）操作
使用Python Pandas进行数据透视表操作包括：安装Pandas库，导入库，创建或读取数据，如`pd.DataFrame()`或从文件读取；然后使用`pd.pivot_table()`创建透视表，指定数据框、行索引、列索引和值，例如按姓名和科目分组计算平均分；查看结果通过打印数据透视表；最后可使用`to_csv()`等方法保存到文件。这为基础步骤，可按需求调整参数实现更多功能。
龙大吉
183 2

热门文章

最新文章

  • 1
    pandas 打开没有列名的表格，并命名
  • 2
    pandas.to_numeric转化数据为数字型
  • 3
    【笔记6】用pandas实现条目数据格式的推荐算法 (基于物品的协同)
  • 4
    数据专家最常使用的 10 大类 Pandas 函数 ⛵
  • 5
    Pandas学习
  • 6
    还在抱怨pandas运行速度慢？这几个方法会颠覆你的看法
  • 7
    pandas数据操作
  • 8
    使用Pandas解决问题：对比两列数据取最大值的五种方法
  • 9
    数据分析综合案例讲解，一文搞懂Numpy，pandas，matplotlib，seaborn技巧方法
  • 10
    pandas常用函数
  • 1
    使用Python pandas的sort_values()方法可按一个或多个列对DataFrame排序
    128
  • 2
    在Python的Pandas中，可以通过直接赋值或使用apply函数在DataFrame添加新列。
    208
  • 3
    【Python机器学习专栏】使用Pandas处理机器学习数据集
    276
  • 4
    使用Python的pandas和matplotlib库绘制移动平均线（MA）示例
    125
  • 5
    Python数据分析中的Pandas库应用指南
    76
  • 6
    数据分析综合案例讲解，一文搞懂Numpy，pandas，matplotlib，seaborn技巧方法
    99
  • 7
    Pandas进阶--map映射，分组聚合和透视pivot_table详解
    56
  • 8
    Python爬虫技术与数据可视化：Numpy、pandas、Matplotlib的黄金组合
    269
  • 9
    Pandas之DataFrame，快速入门，迅速掌握（三）
    61
  • 10
    Pandas之DataFrame，快速入门，迅速掌握（二）
    127

    • 相关课程

    更多
  • Python 数据分析库 Pandas 快速入门

    • 相关电子书

    更多
  • 中文：即学即用的Pandas入门与时间序列分析
  • 即学即用的Pandas入门与时间序列分析
  • Adopting Dataframes and Parque
    • 下一篇
    对象存储 OSS 如何创建 bucket|学习笔记