Pandas+groupby用法讲解

import pandas as pd
import numpy as np

• 1
• 2

#导入数据
type_specified={"trip_id":"object","bikeid":"object","from_station_id":"object","to_station_id":"object",
               "hour":"object","weekday":"object"}
ridership=pd.read_csv(r"E:\chicago_bikes_data\txt&csv\ridership_2016.txt",
                      nrows=10000,dtype=type_specified,usecols=range(1,15))

• 1
• 2
• 3
• 4
• 5

ridership.head()

• 1

#groupby可以通过传入需要分组的参数实现对数据的分组
ridership_user=ridership.groupby("usertype")
ridership_user_week=ridership.groupby(["usertype","weekday"])

• 1
• 2
• 3

#groupby之后的数据并不是DataFrame格式的数据，而是特殊的groupby类型，此时，可以通过size()方法返回分组后的记录数目统计结果，该结果
#是Series类型
ridership_user.size()

• 1
• 2
• 3

usertype
Customer      1023
Subscriber    8977
dtype: int64

• 1
• 2
• 3
• 4
• 5

ridership_user_week.size()

• 1

usertype    weekday
Customer    3           286
            4           737
Subscriber  3          2714
            4          6263
dtype: int64

• 1
• 2
• 3
• 4
• 5
• 6
• 7

#可以通过索引的方式实现对分组后各类别记录数的提取
ridership_user_week.size().loc["Customer","3"]

• 1
• 2

#通过groupby完成对数据的分组后，可以通过get_group方法来获取某一制定分组的结果

• 1

ridership_user.get_group("Customer").head()

• 1

#对于多层分组后的数据，如果需要使用多重索引，此处需要传入一个元组
ridership_user_week.get_group(("Customer","3")).head()

• 1
• 2

#对于分组后的数据，如果还需要进行一系列查询，可以使用apply方法，传入一个处理的函数
#假设我们需要查找上述分组后每组中用时最长的一组记录的起始和终止站点，可执行如下命令

• 1
• 2

max_time_from_id=ridership_user_week.apply(lambda record:record["from_station_id"][record["tripduration"].idxmax()])
max_time_to_id=ridership_user_week.apply(lambda record:record["to_station_id"][record["tripduration"].idxmax()])
max_time_time=ridership_user_week.apply(lambda record:record["tripduration"][record["tripduration"].idxmax()])
max_time_ridership=pd.DataFrame({"from_station_id":max_time_from_id,"to_station_id":max_time_to_id,
                                "tripduratio":max_time_time})

• 1
• 2
• 3
• 4
• 5

max_time_ridership

• 1