在數據分析中有時候需要自己定義分組規則 這裡簡單介紹一下用一個字典實現分組 ...
在數據分析中有時候需要自己定義分組規則 這裡簡單介紹一下用一個字典實現分組
people=DataFrame(
np.random.randn(5,5),
columns=['a','b','c','d','e'],
index=['Joe','Steve','Wes','Jim','Travis']
)
mapping={'a':'red','b':'red','c':'blue','d':'blue','e':'red','f':'orange'}
by_column=people.groupby(mapping,axis=1)#列方向上進行分組
這裡不知道python底層是怎麼運行的，最好把運行的結果列印出來看一下
for i in by_column:
print (i)
遍歷的結果：
('blue', c d
Joe 0.218189 -0.228336
Steve 1.677264 0.630303
Wes 0.315320 -0.250787
Jim 3.343462 0.483021
Travis 0.854553 -0.760884)
('red', a b e
Joe 0.218164 0.823654 -1.425720
Steve 1.191175 -0.327735 1.926470
Wes -1.418855 0.497466 0.110105
Jim -1.157157 0.817122 0.749023
Travis -0.440583 -0.907922 1.374294)
從結果可以看到,把a b e分給了red, c d分給了blue
a b e--->red
c d --->blue
接下來再來執行 people.groupby(mapping,axis=1).mean()
blue red
Joe 0.241336 -0.182099
Steve 0.459773 -0.448336
Wes 0.205278 0.605721
Jim -0.094838 1.254174
Travis 0.354140 0.142075
從結果看到在列方向group分組 執行聚合函數mean()後列索引就只有 blue和red了。
整個過程可以這麼理解 在列方向上進行分組 a b e為一組為red，c d 為一組為blue。最後以red blue作為新DataFraem的列索引
同樣Series也有同樣的功能，它可以被看作一個固定大小的映射。對於上面的那個例子，如果用series作為分組鍵，則pandas會檢查Series以確保其索引分組軸是對齊的：
ser=Series(mapping)
a red
b red
c blue
d blue
e red
f orange
by_ser_group=people.groupby(ser,axis=1).mean()
blue red
Joe 0.241336 -0.182099
Steve 0.459773 -0.448336
Wes 0.205278 0.605721
Jim -0.094838 1.254174
Travis 0.354140 0.142075
從結果可以看到，通過字典進行分組和通過Series進行分組結果是相同的。也就是說他們執行的原理是相同的，都是把索引(對series來說)或字典的key與Dataframe的索引進行匹配，
字典中value或series中values值相同的會被分到一個組中，最後根據每組進行在聚合。
groupby的用法很多，之後有時間我會慢慢更新博客。如果有那些地方有錯歡迎大家指出，一塊學習，共同進步。
