Но они все равно вам пригодятся
Несколько месяцев назад я опубликовал статью о том, как освоить групповую функцию в Pandas. Затем несколько дней назад мой друг задал вопрос, и его также можно решить с помощью функции groupby. Итак, сегодня я перечисляю несколько менее известных приложений, которые можно реализовать с помощью функции группировки.
(Если вы не читали мою предыдущую статью о функции группировки, продолжайте. Это поможет вам быстрее понять эту статью.)
1. Процент по каждой группе
В сводной таблице Excel вы можете выбрать отображение процентной доли родительской суммы. Это означает, что сводная таблица показывает процент каждого элемента от общего родительского промежуточного итога. Это легко сделать в функции Pandas groupby с помощью лямбда.
>>> import pandas as pd
>>> df = pd.DataFrame({'A':['a','b','c']*2,
... 'B':['d','e']*3,
... 'C':[1,3,6,10,12,16]
... })
>>> df
A B C
0 a d 1
1 b e 3
2 c d 6
3 a e 10
4 b d 12
5 c e 16
# First Groupby
>>> df['Perc_gpby_A'] = df.groupby('A')['C'].apply(lambda x: x/x.sum())
# Second Groupby
>>> df['Perc_gpby_B'] = df.groupby('B')['C'].apply(lambda x: x/x.sum())
>>> df
A B C Perc_gpby_A Perc_gpby_B
0 a d 1 0.090909 0.052632
1 b e 3 0.200000 0.103448
2 c d 6 0.272727 0.315789
3 a e 10 0.909091 0.344828
4 b d 12 0.800000 0.631579
5 c e 16 0.727273 0.551724
Основным ключевым моментом из приведенного выше примера является то, что вы выбираете соответствующий уровень группировки в функции groupby. В первом операторе groupby уровень группировки - столбец A. Всего существует три группы: a, b и c. Затем столбец C будет применен с лямбда-функцией. Лямбда-функция x/x.sum(). Следовательно, каждое значение в столбце C будет разделено на сумму соответствующей группы. Например, сумма для группы a равна 11. Следовательно, в строках 0 и 3 значение c будет разделено на 11. Таким образом, результат будет 0,0909 и 0,9091. То же самое для оставшихся двух групп в столбце A и втором операторе groupby.
Помимо использования лямбда-функции, использование transform также может выполнять аналогичные вычисления.
>>> df['Perc_gpby_A'] = df['C']/df.groupby('A')['C'].transform('sum')
>>> df['Perc_gpby_B'] = df['C']/df.groupby('B')['C'].transform('sum')
>>> df
A B C Perc_gpby_A Perc_gpby_B
0 a d 1 0.090909 0.052632
1 b e 3 0.200000 0.103448
2 c d 6 0.272727 0.315789
3 a e 10 0.909091 0.344828
4 b d 12 0.800000 0.631579
5 c e 16 0.727273 0.551724
2. Преобразовать в list / dict
Это то, о чем мой друг спросил несколько дней назад. Если вы хотите сгруппировать все значения в одной группе в виде списка или словаря, этот раздел даст вам ответ.
>>> df = pd.DataFrame({'A':['a','b','c']*2,
... 'B':['d','e']*3,
... 'C':[1,3,6,10,12,16]
... })
>>> df.groupby('A')['C'].apply(list)
A
a [1, 10]
b [3, 12]
c [6, 16]
Name: C, dtype: object
>>> type(df.groupby('A')['C'].apply(list))
<class 'pandas.core.series.Series'>
В приведенном выше примере после groupby('A') apply(list) группирует все значения в ту же группу, что и форма списка. Окончательный результат представлен в виде серии. На этом уровне вы можете в дальнейшем преобразоваться в список или диктант.
>>> df.groupby('A')['C'].apply(list).to_list()
[[1, 10], [3, 12], [6, 16]]
>>> df.groupby('A')['C'].apply(list).to_dict()
{'a': [1, 10], 'b': [3, 12], 'c': [6, 16]}
Конечно, вы также можете выбрать setin applyfunction.
>>> df.groupby('B')['C'].apply(set).to_dict()
{'d': {1, 12, 6}, 'e': {16, 10, 3}}
3. Наиболее распространенное значение по группам
>>> df = pd.DataFrame({'A':list('ab'*4),
... 'B':list('c'*2+'d'+'e'*5)})
>>> df
A B
0 a c
1 b c
2 a d
3 b e
4 a e
5 b e
6 a e
7 b e
>>> df.groupby('A')['B'].agg(pd.Series.mode)
A
a e
b e
Name: B, dtype: object
Я не думаю, что здесь нужно много объяснений. С agg(pd.Series.mode) вы можете получить наиболее частое значение для каждой группы.
Коды этих трех приложений довольно просты, но они все же могут помочь вам лучше обрабатывать группировку данных. Я надеюсь, что в следующий раз вы сможете использовать функцию groupby не только для простого агрегирования. Это все для этой статьи. Спасибо, что прочитали, и увидимся в следующий раз.
Другие мои статьи о Python
Вы говорите людям, что вы новичок в Python, если задаете этот вопрос.
Добавьте это в закладки, если вы новичок в Python (особенно если вы изучаете Python самостоятельно)
