数据分析-GroupBy的排序和缺失值处理
数据分析和处理中，难免会遇到各种数据，那么数据呈现怎样的规律呢？不管金融数据，风控数据，营销数据等等，莫不如此。如何通过图示展示数据的规律？
数据表，时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。数据分析过程中重新调整，重塑数据表是很重要的技巧，此处选择Titanic数据，以及巴黎、伦敦欧洲城市空气质量监测 N O 2 NO_2 NO2数据作为样例。
数据分析
实验数据分析处理，股票序列，时间序列，信号序列，有时候表格的数据需要进行分类，拆分，分组处理，，针对每组进行分类处理，处理后的结果还想汇总起来。这是pandas很常见的使用场景，pandas如何通过groupby，分步骤进行数据分类、处理、汇总呢？
GroupBy 排序参数
默认情况下，组键在操作过程中进行排序。但是还有一种潜在的加速方法。设定参数，groupby``sort=False``sort=False，组键之间的顺序遵循键在原始数据帧中的出现顺序：
python
In [1]: df2 = pd.DataFrame({"X": ["B", "B", "A", "A"], "Y": [1, 2, 3, 4]})
In [2]: df2.groupby(["X"]).sum()
Out[2]:
Y
X
A 7
B 3
In [3]: df2.groupby(["X"], sort=False).sum()
Out[3]:
Y
X
B 3
A 7请注意，groupby将保留每个组内观测值 的排序顺序。 例如，下面groupby()创建的组，按它们在原DataFrame中出现的顺序排列：
python
In [4]: df3 = pd.DataFrame({"X": ["A", "B", "A", "B"], "Y": [1, 4, 3, 2]})
In [5]: df3.groupby("X").get_group("A")
Out[5]:
X Y
0 A 1
2 A 3
In [6]: df3.groupby(["X"]).get_group(("B",))
Out[6]:
X Y
1 B 4
3 B 2GroupBy 是否丢弃缺失值
默认情况下，NA在groupby操作过程中，NA值会从组键中排除。然而， 如果要在组键中保留值，则可以通过dropna=False来实现它。
python
In [28]: df_list = [[1, 2, 3], [1, None, 4], [2, 1, 3], [1, 2, 2]]
In [29]: df_dropna = pd.DataFrame(df_list, columns=["a", "b", "c"])
In [30]: df_dropna
Out[30]:
a b c
0 1 2.0 3
1 1 NaN 4
2 2 1.0 3
3 1 2.0 2
python
# Default ``dropna`` is set to True, which will exclude NaNs in keys
In [31]: df_dropna.groupby(by=["b"], dropna=True).sum()
Out[31]:
a c
b
1.0 2 3
2.0 2 5
# In order to allow NaN in keys, set ``dropna`` to False
In [32]: df_dropna.groupby(by=["b"], dropna=False).sum()
Out[32]:
a c
b
1.0 2 3
2.0 2 5
NaN 1 4参数的默认设置是dropna``True，组键中不包含NA的那些值的操作。
以上代码只是一个简单示例，示例代码中的表达式可以根据实际问题进行修改。
后续介绍下其他的操作。
觉得有用 收藏 收藏 收藏
点个赞 点个赞 点个赞
End
GPT专栏文章：
GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案
GPT实战系列-LangChain + ChatGLM3构建天气查询助手
GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手
GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型，到底做了什么？(二)
GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型，到底做了什么？(一)
GPT实战系列-ChatGLM2部署Ubuntu+Cuda11+显存24G实战方案