Pandas中GroupBy的用法与聚合函数的结合应用_pandas中的groupby的用法后面的聚合函数-CSDN博客

本文介绍了Pandas库中GroupBy功能的使用，包括基本的单键分组，结合内置和自定义聚合函数，以及多键分组和对多列应用不同聚合函数。GroupBy提供了一种高效的数据处理方式，有助于深入分析数据结构和特性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Pandas是一个强大的数据分析工具，提供了大量的数据结构和数据分析工具，使得数据分析和处理变得更加高效和简单。其中，GroupBy是Pandas中非常常用的一个功能，它允许用户根据一个或多个键对数据进行分组，并对每个组执行某种形式的计算。

import pandas as pd  
  
# 创建一个示例DataFrame  
df = pd.DataFrame({  
    'A': ['zuo', 'zuo', 'beng', 'beng', 'bar'],  
    'B': ['one', 'one', 'two', 'two', 'one'],  
    'C': [1, 2, 3, 4, 5],  
    'D': [10, 20, 30, 40, 50]  
})  
  
# 根据列'A'进行分组  
grouped = df.groupby('A')

上述代码会输出一个GroupBy对象，该对象包含了按列'A'分组后的数据。但此时并未执行任何计算，只是进行了分组。

二、结合聚合函数使用

GroupBy的真正强大之处在于它可以与各种聚合函数结合使用，对每个组执行计算。Pandas提供了许多常用的聚合函数，如sum、mean、count等，同时也可以自定义聚合函数。

使用内置聚合函数

# 计算每个组的'C'列的和  
result = grouped['C'].sum()  
print(result)  
  
# 计算每个组的'D'列的平均值  
result = grouped['D'].mean()  
print(result)


上边是承接上个代码块的写法。
我们也可以按如下方法写。

# 计算每个组的'C'列的和  
result = df.groupby('A') .sum()  
print(result)  
  
# 计算每个组的'D'列的平均值  
result = df.groupby('A') .mean()  
print(result)