pandas学习（三） grouping

pandas学习（三） grouping

• groupby() 分组函数
• .agg() agg函数，它提供基于列的聚合操作。而groupby可以看做是基于行，或者说index的聚合操作
• .apply() apply() 使用时，通常放入一个 lambda 函数表达式、或一个函数作为操作运算
• div() div() 方法将 DataFrame 中的每个值除以指定的值。

1.数据集-1

1.1 哪个大洲平均喝更多的啤酒?

drinks.groupby('continent').beer_servings.mean()

1.2 打印每列各大洲的平均酒精消费量

drinks.groupby('continent').mean()

1.3 输出每列每个大洲的酒精消费量中位数

drinks.groupby('continent').median()

1.4 打印烈酒消耗的平均值、最小值和最大值。

drinks.groupby('continent').spirit_servings.agg(['mean', 'min', 'max'])

2.数据集-2

2.1 计算每个职业的平均年龄

users.groupby('occupation').age.mean()

2.2 发现每个职业的男性比例，并将其从最多到最少排序

# create a function
def gender_to_numeric(x):
    if x == 'M':
        return 1
    if x == 'F':
        return 0

# apply() 使用时，通常放入一个 lambda 函数表达式、或一个函数作为操作运算
# apply the function to the gender column and create a new column
users['gender_n'] = users['gender'].apply(gender_to_numeric)


a = users.groupby('occupation').gender_n.sum() / users.occupation.value_counts() * 100 

# sort to the most male 
a.sort_values(ascending = False)

2.3 对于职业和性别的每种组合，计算平均年龄

users.groupby(['occupation', 'gender']).age.mean()

2.4 对于每种职业，计算最低和最高年龄

# agg聚合函数,Pandas中可以利用agg()对Series、DataFrame以及groupby()后的结果进行聚合操作。
# agg函数，它提供基于列的聚合操作。而groupby可以看做是基于行，或者说index的聚合操作
users.groupby('occupation').age.agg(['min', 'max'])

2.5 每个职业的男女比例

# create a data frame and apply count to gender
# 根据'occupation'与'gender'两项做groupby分组，然后根据gender做计数统计
gender_ocup = users.groupby(['occupation', 'gender']).agg({'gender': 'count'})
gender_ocup.head()

# create a DataFrame and apply count for each occupation
occup_count = users.groupby(['occupation']).agg('count')
occup_count.head()

# divide the gender_ocup per the occup_count and multiply per 100
# div() 方法将 DataFrame 中的每个值除以指定的值。
occup_gender = gender_ocup.div(occup_count, level = "occupation") * 100
occup_gender.head()

# present all rows from the 'gender column'
occup_gender.loc[: , 'gender']

3.数据集-3

3.1 来自Nighthawks的regiment的平均值

regiment[regiment['regiment'] == 'Nighthawks'].groupby('regiment').mean()

3.2 显示按团和公司分组的平均预测试分数，不带分层索引

# 当一个DataFrame有多个索引时，unstack() 这是一个根据索引行列转换的函数
regiment.groupby(['regiment', 'company']).preTestScore.mean().unstack()

3.3 迭代一个组并打印来自该团的名称和整个数据

# Group the dataframe by regiment, and for each regiment,
for name, group in regiment.groupby('regiment'):
    # print the name of the regiment
    print(name)
    # print the data of that regiment
    print(group)