from IPython.display import display
with pd.option_context('precision', 2):
display(df.groupby(['A', 'B'])['C'].describe())
count mean std min 25% 50% 75% max
A B
bar one 1.0 0.40 NaN 0.40 0.40 0.40 0.40 0.40
three 1.0 2.24 NaN 2.24 2.24 2.24 2.24 2.24
two 1.0 -0.98 NaN -0.98 -0.98 -0.98 -0.98 -0.98
foo one 2.0 1.36 0.58 0.95 1.15 1.36 1.56 1.76
three 1.0 -0.15 NaN -0.15 -0.15 -0.15 -0.15 -0.15
two 2.0 1.42 0.63 0.98 1.20 1.42 1.65 1.87
要获得具体的统计数据,只需选择它们
df.groupby(['A', 'B'])['C'].describe()[['count', 'mean']]
count mean
A B
bar one 1.0 0.400157
three 1.0 2.240893
two 1.0 -0.977278
foo one 2.0 1.357070
three 1.0 -0.151357
two 2.0 1.423148
with pd.option_context('precision', 2):
display(df2.groupby(['A', 'B'])
.describe(include='all')
.dropna(how='all', axis=1))
C D
count mean std min 25% 50% 75% max count unique top freq
A B
bar one 14.0 0.40 5.76e-17 0.40 0.40 0.40 0.40 0.40 14 1 a 14
three 14.0 2.24 4.61e-16 2.24 2.24 2.24 2.24 2.24 14 1 b 14
two 9.0 -0.98 0.00e+00 -0.98 -0.98 -0.98 -0.98 -0.98 9 1 c 9
foo one 22.0 1.43 4.10e-01 0.95 0.95 1.76 1.76 1.76 22 2 a 13
three 15.0 -0.15 0.00e+00 -0.15 -0.15 -0.15 -0.15 -0.15 15 1 c 15
two 26.0 1.49 4.48e-01 0.98 0.98 1.87 1.87 1.87 26 2 b 15
In [2]: df
Out[2]:
col1 col2 col3 col4 col5 col6
0 A B 0.20 -0.61 -0.49 1.49
1 A B -1.53 -1.01 -0.39 1.82
2 A B -0.44 0.27 0.72 0.11
3 A B 0.28 -1.32 0.38 0.18
4 C D 0.12 0.59 0.81 0.66
5 C D -0.13 -1.65 -1.64 0.50
6 C D -1.42 -0.11 -0.18 -0.44
7 E F -0.00 1.42 -0.26 1.17
8 E F 0.91 -0.47 1.35 -0.34
9 G H 1.48 -0.63 -1.14 0.17
首先,让我们使用.size()获取行计数:
In [3]: df.groupby(['col1', 'col2']).size()
Out[3]:
col1 col2
A B 4
C D 3
E F 2
G H 1
dtype: int64
然后使用.size().reset_index(name='counts')获取行计数:
In [4]: df.groupby(['col1', 'col2']).size().reset_index(name='counts')
Out[4]:
col1 col2 counts
0 A B 4
1 C D 3
2 E F 2
3 G H 1
包括更多统计结果
如果要计算分组数据的统计信息,通常如下所示:
In [5]: (df
...: .groupby(['col1', 'col2'])
...: .agg({
...: 'col3': ['mean', 'count'],
...: 'col4': ['median', 'min', 'count']
...: }))
Out[5]:
col4 col3
median min count mean count
col1 col2
A B -0.810 -1.32 4 -0.372500 4
C D -0.110 -1.65 3 -0.476667 3
E F 0.475 -0.47 2 0.455000 2
G H -0.630 -0.63 1 1.480000 1
在
groupby
对象上,agg
函数可以立即将列表带到apply several aggregation methods。这将为您提供所需的结果:一个函数来控制它们:^{}
返回每组的
count
、mean
、std
和其他有用的统计信息。要获得具体的统计数据,只需选择它们
describe
适用于多个列(将['C']
更改为['C', 'D']
-或者将其全部删除并查看发生了什么,结果是一个多索引的列数据帧)。您还可以获得字符串数据的不同统计信息。举个例子
有关详细信息,请参见documentation。
快速回答:
获取每个组的行数的最简单方法是调用
.size()
,它返回一个Series
:通常,您希望将此结果作为
DataFrame
(而不是Series
)来获得,因此可以执行以下操作:如果您想了解如何计算每个组的行数和其他统计信息,请继续阅读下面的内容。
详细示例:
考虑以下示例数据帧:
首先,让我们使用
.size()
获取行计数:然后使用
.size().reset_index(name='counts')
获取行计数:包括更多统计结果
如果要计算分组数据的统计信息,通常如下所示:
上面的结果有点烦人,因为嵌套的列标签,也因为行计数是基于每列的。
为了获得对输出的更多控制,我通常将统计信息拆分为单独的聚合,然后使用
join
组合这些聚合。看起来是这样的:脚注
用于生成测试数据的代码如下所示:
免责声明:
如果要聚合的某些列具有空值,则您确实希望将组行计数视为每列的独立聚合。否则,您可能会被误导,因为pandas将删除平均值计算中的
NaN
项,而不告诉您平均值计算实际使用了多少记录。相关问题 更多 >
编程相关推荐