遍歷 pandas group
概述
在數(shù)據(jù)分析中，使用 pandas 進行分組操作是非常常見的。通過對數(shù)據(jù)進行分組，可以方便地進行聚合、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. 按照某一列進行分組
接下來，使用 `groupby` 方法按照 “團隊” 列進行分組：
grouped = df.groupby('團隊')
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. 進行計算和聚合
在遍歷每個分組時，可以對組進行計算，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()` 方法進行處理。
6. 實用技巧
- 使用 agg() 方法：可以在分組上同時進行多種聚合操作，例如：
result = grouped.agg({'分?jǐn)?shù)': ['mean', 'max', 'min']})
print(result)
filtered = grouped.filter(lambda x: x['分?jǐn)?shù)'].mean() > 85)
print(filtered)
