4.3　数据分组统计

本节主要介绍分组统计函数groupby()的各种应用。

4.3.1　分组统计groupby()函数

对数据进行分组统计，主要使用DataFrame对象的groupby()函数，其功能如下。

（1）根据给定的条件将数据拆分成组。

（2）每个组都可以独立应用函数（如求和函数sum()、求平均值函数mean()等）。

（3）将结果合并到一个数据结构中。

groupby()函数用于将数据按照一列或多列进行分组，一般与计算函数结合使用，实现数据的分组统计，语法如下：

DataFrame.groupby(by=None,axis=0,level=None,as_index=True,sort=True,group_keys=True,squeeze=False,
observed=False)

参数说明：

　by：映射、字典或Series对象、数组、标签或标签列表。如果by是一个函数，则对象索引的每个值都调用它；如果传递了一个字典或Series对象，则使用该字典或Series对象值来确定组；如果传递了数组ndarray，则按原样使用这些值来确定组。

　axis：axis=1表示行，axis=0表示列。默认值为0。

　level：表示索引层级，默认值为None（无）。

　as_index：布尔型，默认值为True，返回以组标签为索引的对象。

　sort：对组进行排序，布尔型，默认值为True。

　group_keys：布尔型，默认值为True，调用apply()函数时，将分组的键添加到索引以标识片段。

　squeeze：布尔型，默认值为False。如果可能，减少返回类型的维度；否则返回一致类型。

　observed：当以石斑鱼为分类时，才会使用该参数。如果参数值为True，则仅显示分类石斑鱼的观测值；如果参数值为False，则显示分类石斑鱼的所有值。

　返回值：返回DataFrameGroupBy，返回包含有关组的信息的groupby对象。

1．按照一列分组统计

【示例15】　根据“一级分类”统计订单数据。（示例位置：资源包\MR\Code\04\15）

按照图书“一级分类”对订单数据进行分组统计求和，程序代码如下：

运行程序，输出结果如图4.10所示。

图4.10　按照一列分组统计

2．按照多列分组统计

多列分组统计，以列表形式指定列。

【示例16】　根据两级分类统计订单数据。（示例位置：资源包\MR\Code\04\16）

按照图书“一级分类”和“二级分类”对订单数据进行分组统计求和，主要代码如下：

01 #抽取数据
02 df1=df[['一级分类','二级分类','7天点击量','订单预定']]
03 df1=df1.groupby(['一级分类','二级分类']).sum()    #分组统计求和

运行程序，输出结果如图4.11所示。

3．分组并按指定列进行数据计算

前面介绍的分组统计是按照所有列进行汇总计算的，那么如何按照指定列汇总计算呢？

【示例17】　统计各编程语言的7天点击量。（示例位置：资源包\MR\Code\04\17）

统计各编程语言的7天点击量，首先按“二级分类”分组，然后抽取“7天点击量”列并对该列进行求和运算，主要代码如下：

df1=df1.groupby('二级分类')['7天点击量'].sum()

运行程序，输出结果如图4.12所示。

图4.11　按照多列分组统计

图4.12　分组并按指定列进行数据计算

4.3.2　对分组数据进行迭代

通过for循环对分组统计数据进行迭代（遍历分组数据）。

【示例18】　迭代一级分类的订单数据。（示例位置：资源包\MR\Code\04\18）

按照“一级分类”分组，并输出每一分类中的订单数据，主要代码如下：

运行程序，控制台输出结果如图4.13所示。

上述代码中，name是groupby()函数中“一级分类”的值，group是分组后的数据。如果groupby()函数对多列进行分组，那么需要在for循环中指定多列。

【示例19】　迭代两级分类的订单数据。（示例位置：资源包\MR\Code\04\19）

迭代“一级分类”和“二级分类”的订单数据，主要代码如下：

图4.13　对分组数据进行迭代

4.3.3　对分组的某列或多列使用聚合函数（agg()函数）

Python也可以实现像SQL中的分组聚合运算操作，主要通过groupby()函数与agg()函数实现。

【示例20】　对分组统计结果使用聚合函数。（示例位置：资源包\MR\Code\04\20）

按“一级分类”分组统计“7天点击量”“订单预定”的平均值和总和，主要代码如下：

print(df1.groupby('一级分类').agg(['mean','sum']))

运行程序，控制台输出结果如图4.14所示。

图4.14　分组统计“7天点击量”“订单预定”的平均值和总和

【示例21】　针对不同的列使用不同的聚合函数。（示例位置：资源包\MR\Code\04\21）

在上述示例中，还可以针对不同的列使用不同的聚合函数。例如，按“一级分类”分组统计“7天点击量”的平均值和总和、“订单预定”的总和，主要代码如下：

print(df1.groupby('一级分类').agg({'7天点击量':['mean','sum'], '订单预定':['sum']}))

运行程序，控制台输出结果如图4.15所示。

图4.15　分组统计“7天点击量”的平均值和总和、“订单预定”的总和

【示例22】　通过自定义函数实现分组统计。（示例位置：资源包\MR\Code\04\22）

通过自定义函数也可以实现数据分组统计。例如，统计1月份销售数据中，购买次数最多的产品，主要代码如下：

运行程序，控制台输出结果如图4.16所示。

图4.16　统计购买次数最多的产品

从运行结果得知：“零基础学Python”是用户购买次数最多的产品。

实用技巧

在图4.16显示的输出结果中可以看到，lambda()函数名称<lambda>被输出出来，看上去不是很美观，那么如何去掉它？方法是使用__name__方法修改函数名称，主要代码如下：

max.__name__ = "购买次数最多"

运行程序，控制台输出结果如图4.17所示。

图4.17　使用__name__方法修改函数名称

4.3.4　通过字典和Series对象进行分组统计

1．通过字典进行分组统计

首先创建字典建立对应关系，然后将字典传递给groupby()函数从而实现数据分组统计。

【示例23】　通过字典分组统计“北上广”销量。（示例位置：资源包\MR\Code\04\23）

统计各地区销量，业务要求将“北京”“上海”“广州”3个一线城市放在一起统计。那么首先创建一个字典将“北京出库销量”“上海出库销量”“广州出库销量”都对应“北上广”；然后使用groupby()函数进行分组统计。主要代码如下：

运行程序，控制台输出结果如图4.18所示。

图4.18　通过字典进行分组统计

2．通过Series对象进行分组统计

通过Series对象进行分组统计与字典的方法类似。

【示例24】　通过Series对象分组统计“北上广”销量。（示例位置：资源包\MR\Code\04\24）

首先，创建一个Series对象，主要代码如下：

运行程序，输出结果如图4.19所示。

然后，将Series对象传递给groupby()函数实现数据分组统计，主要代码如下：

01  df1=df.groupby(s1,axis=1).sum()
02  print(df1)

运行程序，控制台输出结果如图4.20所示。

图4.19　通过Series对象进行分组统计

图4.20　分组统计结果