分组聚合不再难:Pandas groupby使用指南

处理大量数据时,经常需要对数据进行分组和汇总,groupby为我们提供了一种简洁、高效的方式来实现这些操作,从而简化了数据分析的流程。

分组聚合是什么

分组是指根据一个或多个列的值将数据分成多个组,每个组包含具有相同键值(这里的键值即用来分组的列值)的数据行。

聚合 或者汇总则是指,在分组后,可以对每个组应用聚合函数(如求和、平均值、计数等),从而得到每个组的汇总信息。

准备数据

下面的示例中使用的数据采集自A股2024年1月和2月的真实交易数据。

数据下载地址:databook.top/。

导入数据:

python 复制代码
import pandas as pd

fp = r'D:\data\2024\历史行情数据-不复权-2024.csv'

df = pd.read_csv(fp)
df = df.loc[:, ["股票代码", "日期", "开盘", "收盘", "最高", "最低", "成交量"]]
df

groupby 使用示例

下面通过具体的示例演示groupby常用的使用方法。

单列分组再聚合

单列聚合是指针对某一列汇总计算,比如:

针对**"股票代码"聚合,看看不同股票的 开盘价和收盘价**的平均值。

python 复制代码
# 只保留需要的列
data = df.loc[:, ["股票代码", "开盘", "收盘"]]

# 根据股票代码聚合平均值
data.groupby(by=["股票代码"]).mean()

一共5352支股票,聚合之后,红色框内的是每支股票开盘价 和收盘价的平均值。

多列分组再聚合

多列分组聚合时,按照groupby中by参数的顺序,依次进行分组,然后再聚合。

本次的使用的数据包含2024年1月和2月的数据,

我们先按照**"股票代码"分组,再按"月份"**分组,最后汇总信息。

聚合之前,先把日期的格式转换成月的形式:

python 复制代码
data = df.loc[:, ["股票代码", "日期", "开盘", "收盘"]]
data["日期"] = data["日期"].str.slice(0, 7)
data

根据**"股票代码"和 "日期"来聚合每支股票每个月的 开盘价和收盘价**的最大值:

python 复制代码
data.groupby(by=["股票代码", "日期"]).max()

聚合之后的DataFrame,有2个Index(索引)。

一次分组多次聚合

聚合汇总信息时,可以一次汇总多个信息,这样分组一次就可以了,不用每次聚合都重复调用groupby去分组。

比如,下面的示例一次汇总出每支股票每个月开盘价 和收盘价 的最大值 ,最小值 ,平均值:

python 复制代码
data.groupby(by=["股票代码", "日期"]).agg(["mean", "max", "min"])

定制分组的聚合方式

更进一步,我们还可以针对不同的列采用不同的聚合方式。

比如,对开盘价 汇总最大值 和平均值 ,对收盘价 汇总最小值 和平均值:

python 复制代码
data.groupby(by=["股票代码", "日期"]).agg(
    {
        "开盘": ["max", "mean"],
        "收盘": ["min", "mean"],
    }
)

聚合后重置索引

从上面聚合后数据的截图中,可以发现,聚合之后,分组用的列(比如 "股票代码", "日期" )变为索引。

如上所示,聚合之后返回的DataFrame,红色框内的是索引(index),蓝色框内的是列(columns)。

如果,我们希望分组聚合统计之后,分组的列(比如 "股票代码", "日期" )仍然作为DataFrame的列,

可以在groupby分组时使用as_index=False参数。

python 复制代码
data.groupby(by=["股票代码", "日期"], as_index=False).agg(
    {
        "开盘": ["max", "mean"],
        "收盘": ["min", "mean"],
    }
)

这样的话,分组的列(比如 "股票代码", "日期")就不会成为索引。

总结

总的来说,groupby 函数是 pandas 库中一个非常常用的工具,它大大简化了数据处理和分析的过程,

使得用户能够更高效地洞察和理解数据。

相关推荐
wuyk55521 分钟前
Python办公自动化-第01讲-环境搭建与自动化认知
python·自动化·pyqt
高洁011 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
ComPDFKit1 小时前
RAG 回答只显示 PDF 文件名?用 Python 保留引用页码
开发语言·python·pdf·rag
yz_aiks3 小时前
Termux 使用教程:把安卓手机变成随身 Linux(装 Python、SSH 远程、跑自动化脚本)
android·linux·python·智能手机·ssh·termux
2601_967980115 小时前
Flask Web 应用
python·flask·web开发·环境变量·虚拟环境
aifannihao5 小时前
ß 大写变 SS:用 Python 算清 Ruby2Shell 的缓冲区账本
python·安全·标准库·缓冲区溢出·字符串编码
liwulin05065 小时前
【OLLAMA】调用SKILL的通用ReAct
python
郝学胜-神的一滴6 小时前
Effective Python 条款36:优雅拼装迭代器与生成器
开发语言·数据结构·人工智能·python·numpy·scikit-learn
2601_967979126 小时前
pandas重塑层次化索引(stack()和unstack()函数解析)
pandas·重塑·层次化索引·stack()·unstack()
Norna7 小时前
Git 给路径加了引号,这个文件就从 review 里消失了
python