0 数据集
# Visual Python: Data Analysis > File
vp_df = pd.read_csv('https://raw.githubusercontent.com/visualpython/visualpython/main/visualpython/data/sample_csv/fish.csv')
vp_df
1 单列聚合
vp_df.groupby('Type')['Kg'].mean()
'''
Type
mackerel 1.417456
salmon 5.996645
tuna 18.038317
Name: Kg, dtype: float64
'''按照Type 聚类，聚类后将同组的Kg属性合并，求均值
聚合的内容可以是 max, min, mean, unique（唯一值）, nunique（唯一值数量），lambda 表达式
1.1 单列聚合多个操作
vp_df.groupby('Type')[['Kg']].agg(['mean','max'])
1.2 单列聚合多个属性
vp_df.groupby('Type')[['Kg','Depth']].mean() 
按照Type 聚类，聚类后将同组的Kg、Depth属性合并，求均值
1.3 单列聚合多个属性多个操作
vp_df.groupby('Type')[['Kg','Depth']].agg(['mean','max'])
1.4 多列聚合
vp_df.groupby(['Type','Depth']).agg(mean_kg=('Kg','mean'),
max_depth=('Depth','max')) 
2 对聚合结果重命名
重命名的名字=（需要操作的列名，需要的操作名）
vp_df.groupby('Type').agg(mean_kg=('Kg','mean'),
max_depth=('Depth','max'))
3 生成了多少个组 ngroups
vp_df.groupby(['Type','Depth']).ngroups
#15004 每一个不同的group 各有多少个元素
vp_df.groupby(['Type']).count() 
4.1 使用reset_index
data.groupby(['LONCOL', 'LATCOL'])['VehicleNum'].count()
'''
LONCOL LATCOL
36 63 3
64 2
65 1
66 1
67 8
..
182 44 1
183 44 2
184 44 1
185 44 2
186 43 5
Name: VehicleNum, Length: 3382, dtype: int64
'''
data.groupby(['LONCOL', 'LATCOL'])['VehicleNum'].count().reset_index()
文章来源：https://www.toymoban.com/news/detail-602991.html
参考内容：Python数据分组处理必备：pandas groupby (qq.com) 文章来源地址https://www.toymoban.com/news/detail-602991.html
到了这里，关于pandas笔记：groupby整理的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
