【pandas技巧】group by+agg+transform函数

本文主要是介绍【pandas技巧】group by+agg+transform函数，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

目录

1. group by+单个字段+单个聚合

2. group by+单个字段+多个聚合

3. group by+多个字段+单个聚合

4. group by+多个字段+多个聚合

5. transform函数

---

	students	grade	sex	score	money
0	小狗	小学部	female	95	844
1	小猫	小学部	male	93	836
2	小鸭	初中部	male	83	854
3	小兔	小学部	female	90	931
4	小花	小学部	male	81	853
5	小草	小学部	male	80	991
6	小狗	初中部	female	81	854
7	小猫	小学部	male	93	886
8	小鸭	小学部	male	88	983
9	小兔	小学部	male	86	891
10	小花	初中部	male	92	830
11	小草	初中部	male	84	948

1. group by+单个字段+单个聚合

1.1 方法一

# 求每个人的总金额：
total_money=df.groupby("students")["money"].sum().reset_index()
total_money

1.2 方法二（使用agg）

df.groupby("students").agg({"money":"sum"}).reset_index()
#或者
df.groupby("students").agg({"money":np.sum}).reset_index()

	students	money
0	小兔	1820
1	小狗	1711
2	小猫	1670
3	小花	1861
4	小草	1825
5	小鸭	1719

2. group by+单个字段+多个聚合

2.1 方法一（使用group by+merge)

mean_money = df.groupby("students")["money"].mean().reset_index()
mean_money.columns = ["students","mean_money"]
mean_money
total_mean = total_money.merge(mean_money)
total_mean

total_mean = total_money.merge(mean_money)
total_mean

	students	total_money	mean_money
0	小兔	1820	910.0
1	小狗	1711	855.5
2	小猫	1670	835.0
3	小花	1861	930.5
4	小草	1825	912.5
5	小鸭	1719	859.5

2.2 方法二（使用group by+agg）

total_mean = df.groupby("students").agg(total_money=("money", "sum"),mean_money=("money", "mean")).reset_index()
total_mean

	students	total_money	mean_money
0	小兔	1820	910.0
1	小狗	1711	855.5
2	小猫	1670	835.0
3	小花	1861	930.5
4	小草	1825	912.5
5	小鸭	1719	859.5

3. group by+多个字段+单个聚合

3.1 方法一

df.groupby(["students","grade"])["money"].sum().reset_index()

	students	grade	money
0	小兔	初中部	1820
1	小狗	初中部	843
2	小狗	小学部	868
3	小猫	小学部	1670
4	小花	初中部	910
5	小花	小学部	951
6	小草	初中部	1825
7	小鸭	初中部	1719

3.2 方法二(使用agg)

df.groupby(["students","grade"]).agg({"money":"sum"}).reset_index()

	students	grade	money
0	小兔	初中部	1820
1	小狗	初中部	843
2	小狗	小学部	868
3	小猫	小学部	1670
4	小花	初中部	910
5	小花	小学部	951
6	小草	初中部	1825
7	小鸭	初中部	1719

4. group by+多个字段+多个聚合

agg函数的使用的方法是:agg(新列名=("原列名", "统计函数"))

df.groupby(["students","grade"]).agg(total_money=("money", "sum"),mean_money=("money", "mean"),total_score=("score", "sum")).reset_index()

	students	grade	total_money	mean_money	total_score
0	小兔	初中部	1820	910.0	192
1	小狗	初中部	843	843.0	88
2	小狗	小学部	868	868.0	93
3	小猫	小学部	1670	835.0	178
4	小花	初中部	910	910.0	95
5	小花	小学部	951	951.0	98
6	小草	初中部	1825	912.5	184
7	小鸭	初中部	1719	859.5	173

5. transform函数

 5.1 方法一(使用groupby + merge)

df_1 = df.groupby("grade")["score"].mean().reset_index()
df_1.columns = ["grade", "average_score"]
df_1

	grade	average_score
0	初中部	85.00
1	小学部	88.25

df_new1 = pd.merge(df, df_1, on="grade")
df_new1

	students	grade	sex	score	money	average_score
0	小狗	小学部	female	95	844	88.25
1	小猫	小学部	male	93	836	88.25
2	小兔	小学部	female	90	931	88.25
3	小花	小学部	male	81	853	88.25
4	小草	小学部	male	80	991	88.25
5	小猫	小学部	male	93	886	88.25
6	小鸭	小学部	male	88	983	88.25
7	小兔	小学部	male	86	891	88.25
8	小鸭	初中部	male	83	854	85.00
9	小狗	初中部	female	81	854	85.00
10	小花	初中部	male	92	830	85.00
11	小草	初中部	male	84	948	85.00

5.2 方法二(使用groupby + map)

dic = df.groupby("grade")["score"].mean().to_dict()
dic

{'初中部': 85.0, '小学部': 88.25}

df_new1["average_map_score"] = df["grade"].map(dic)
df_new1

	students	grade	sex	score	money	average_score	average_map_score
0	小狗	小学部	female	95	844	88.25	88.25
1	小猫	小学部	male	93	836	88.25	88.25
2	小兔	小学部	female	90	931	88.25	85.00
3	小花	小学部	male	81	853	88.25	88.25
4	小草	小学部	male	80	991	88.25	88.25
5	小猫	小学部	male	93	886	88.25	88.25
6	小鸭	小学部	male	88	983	88.25	85.00
7	小兔	小学部	male	86	891	88.25	88.25
8	小鸭	初中部	male	83	854	85.00	88.25
9	小狗	初中部	female	81	854	85.00	88.25
10	小花	初中部	male	92	830	85.00	85.00
11	小草	初中部	male	84	948	85.00	85.00

5.3 方法三(使用transform一步到位)

df_new1["average_trans_score"] = df.groupby("grade")["score"].transform("mean")
df_new1

	students	grade	sex	score	money	average_score	average_map_score	average_trans_score
0	小狗	小学部	female	95	844	88.25	88.25	88.25
1	小猫	小学部	male	93	836	88.25	88.25	88.25
2	小兔	小学部	female	90	931	88.25	85.00	85.00
3	小花	小学部	male	81	853	88.25	88.25	88.25
4	小草	小学部	male	80	991	88.25	88.25	88.25
5	小猫	小学部	male	93	886	88.25	88.25	88.25
6	小鸭	小学部	male	88	983	88.25	85.00	85.00
7	小兔	小学部	male	86	891	88.25	88.25	88.25
8	小鸭	初中部	male	83	854	85.00	88.25	88.25
9	小狗	初中部	female	81	854	85.00	88.25	88.25
10	小花	初中部	male	92	830	85.00	85.00	85.00
11	小草	初中部	male	84	948	85.00	85.00	85.00

这篇关于【pandas技巧】group by+agg+transform函数的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---