遍歷 pandas group

概述

在數(shù)據(jù)分析中，使用 pandas 進(jìn)行分組操作是非常常見的。通過對數(shù)據(jù)進(jìn)行分組，可以方便地進(jìn)行聚合、轉(zhuǎn)化和過濾等操作。本文將介紹如何遍歷 pandas 分組對象，并提供詳細(xì)的操作步驟、命令示例及注意事項。

1. 創(chuàng)建示例數(shù)據(jù)

首先，我們需要創(chuàng)建一個示例 DataFrame 來演示分組的操作：

import pandas as pd


data = {
    '團(tuán)隊': ['A', 'A', 'B', 'B', 'C', 'C'],
    '分?jǐn)?shù)': [88, 92, 85, 95, 80, 82]
}

df = pd.DataFrame(data)

2. 按照某一列進(jìn)行分組

接下來，使用 `groupby` 方法按照 “團(tuán)隊” 列進(jìn)行分組：

grouped = df.groupby('團(tuán)隊')

3. 遍歷分組對象

使用 `for` 循環(huán)可以遍歷分組對象，分組對象會返回每個組的鍵和值：

for name, group in grouped:

    print(f"組名: {name}")
    print(group)

在這個示例中，`name` 是組的名稱，`group` 是與該組相關(guān)的 DataFrame。

4. 進(jìn)行計算和聚合

在遍歷每個分組時，可以對組進(jìn)行計算，例如計算每個組的平均分?jǐn)?shù)：

for name, group in grouped:

    avg_score = group['分?jǐn)?shù)'].mean()
    print(f"團(tuán)隊 {name} 的平均分?jǐn)?shù): {avg_score}")

5. 注意事項

• 分組鍵的選擇：確保分組鍵是合適的，這影響到后續(xù)的分析結(jié)果。
• 數(shù)據(jù)類型：在進(jìn)行聚合之前檢查數(shù)據(jù)類型，確保數(shù)值列是整數(shù)或浮點數(shù)。
• 空值處理：注意分組數(shù)據(jù)中的空值，可能需要使用 `fillna()` 方法進(jìn)行處理。

6. 實用技巧

• 使用 agg() 方法：可以在分組上同時進(jìn)行多種聚合操作，例如：

result = grouped.agg({'分?jǐn)?shù)': ['mean', 'max', 'min']})

    print(result)

• 過濾不需要的組：使用 `filter()` 方法可以過濾出符合條件的組，例如只保留平均分?jǐn)?shù)大于 85 的團(tuán)隊。

filtered = grouped.filter(lambda x: x['分?jǐn)?shù)'].mean() > 85)

    print(filtered)

源