一、数据分组运算

• 分组计算根据某个或某几个字段对数据进行分组，然后运用特定的函数，比如求和，得到结果。
• 使用groupby方法进行分组计算，得到分组对象GroupBy
• df.groupby(by=)
• 分组对象GroupBy可以运用描述性统计方法，例如count，mean, median,sum,max和min等等。

数据来源还是我爬取的微医的专家数据

上面的作用可以比作一个人同一天购买了多少个商品，此时就可以对用户和日期进行分组并且进行函数计算。

二、聚合函数

• 对分组对象使用agg聚合函数
• Groupby.agg(func)
• 针对不同的变量使用不同的统计方法

三、分组对象与apply函数

• 函数apply即可用于分组对象，也可用于dataframe数据
• Groupby.apply(func)
• 需要注意axis=0和axis=1的区别

四、透视图与交叉表

(1) 透视图

pivot_table(data, index,columns,values,aggfunc,fill_value,margins,margins_name=)

• index 行分组键
• columns 列分组键
• values 分组的字段，只能为数值型变量
• aggfunc 聚合函数
• margins 是否需要总计
• fill_value 缺失值用什么填补

（2）交叉表

• 交叉表用于计算分组频率
• pd.crosstab(index,columns,normalize)
• Index 行索引
• Columns 列索引
• Normalize 数据对数据进行标准化，index表示行，column表示列

分享到：

赞(0) 打赏