Groupby —很簡單的概念。我們可以創建一組類別並將函數應用於類別。這是一個簡單的概念，但它是一種非常有價值的技術，廣泛用於 數據科學。在現實世界的 數據科學 項目中，您將處理大量數據並嘗試重複做事，因此為了提高效率，我們使用了 Groupby 概念。 Groupby 概念非常重要，因為它能夠有效地組合數據，無論是在性能方面還是在代碼量方面。分組主要是指涉及以下一個或多個步驟的過程：
- 分離：是我們通過對數據集應用一些條件將數據分組的過程.
- 應用：是我們將一個函數獨立地應用到每個組的過程
- 合併：是一個過程，其中我們在應用分組後將不同的數據集和結果組合成一個數據結構
下圖將幫助您理解 Groupby 概念所涉及的過程。
1.將“團隊”列中的唯一值“Äã”分組。
2.現在每個組都有一個存儲桶
3.將其他數據放入存儲桶
4.將該函數應用於每個桶的權重列。
將數據分組
拆分 —這是一個通過對數據集應用一些條件來將數據分組的過程。為了分離數據，我們將某些條件應用於數據集。為了分離數據，我們使用 groupby () 這個函數用於將數據按照一些標准進行分組. Pandas 對象可以細分為它們的任何軸。分組的抽象定義是提供標籤到組名的映射。 Pandas 數據集可以拆分為任何對象。拆分數據有幾種方式，例如：
注意：這裡我們將對象分組稱為鍵。
用一個鍵對數據進行分組：
要用一個鍵對數據進行分組，我們只需將一個鍵作為參數傳遞給 groupby 函數。
|
< br>
|
< br>現在我們使用 groupby () 函數對數據 Name 進行分組。
# 使用 groupby 函數 code> # 一鍵
df.groupby ( `Name` )
print (df.groupby< /a> ( `Name` )。組）
輸出：
現在我們打印所有形成的組中的第一條記錄。
# 應用groupby () 函數來 # 按名稱值分組數據
gk = df.groupby ( `Name` )
# 打印第一個條目 # 在所有生成的組中。gk.first()
輸出：
用多個key對數據進行分組：
為了用多個key對數據進行分組，我們在groupby function.
# pandas module import
import pandas as pd
# 定義一個包含員工數據的字典
data1 = { `名稱` : [ `Jai` , `Anuj` , `Jai` , `Princi` ,
`Gaurav` , `Anuj` , `Princi` , ` Abhi` ],
`Age` : [ 27 , 24 , 22 , 32 ,
33 , 36 , 27 , <代碼分類ss = "value"> 32 ],
`地址` : [ ` Nagpur` , `Kanpur` , `阿拉哈巴德` , `Kannuaj` ,Äã,Äã ,
`Jaunpur` , `Kanpur` , ` 阿拉哈巴德` , `Aligarh` ],
`Qualification` : [ `Msc` , `MA` , ` MCA` , `Phd` ,
`B.Tech` , `B.com` , `Msc` , `MA` ]}
# 轉換 DataFrame 中的字典
df = pd. DataFrame (data1)
print (df)
現在我們將使用groupby 函數中的多個鍵起作用。
|
輸出： 按鍵排序分組數據：
|
現在我們正在申請groupby () 無排序
# 使用 groupby 函數 # 不使用排序
df.groupby ([ `名稱` ])。 sum ()
輸出：
現在我們使用 groupby () 使用排序實現潛在的加速。
|
輸出： 用對象屬性分組數據：
<代碼類=“評論” > # 使用分組鍵
|
輸出：
遍歷組
到遍歷組項，我們可以遍歷類似於 iterto.ols 的對象。
# pandas module import
import pandas as pd
# 定義包含員工數據的字典
data1 = { `名稱` : [ ` Jai` , `Anuj` , `Jai` , `Princi` ,
`Gaurav` , ` Anuj ` , `Princi` , `Abhi` ],
`Age` : [ 27 , 24 , 22 , 32 代碼> ,
33 , 36 , 27 , 32 ],
`地址` : [ ` Nagpur` , `Kanpur` , `Allahabad` , `Kannuaj` ,Äã,Äã ,
`Jaunpur` , `Kanpur` , `Allahabad` , ` Aligarh` ],
`Qualification` : [ `Msc` , `MA` , ` MCA` , `Phd` ,
`B.Tech` , ` B.com` , `Msc` , `MA` ]}
# 將字典轉換為 DataFrame
df = pd.DataFrame(data1)
print < /代碼>
我們現在像在 itertools.obj 中一樣重複 group 元素。
# 元素重複
Group #
grp = df.groupby ( `Name` )
for 名稱，組 in grp:
打印 （名稱）
打印 （組）
print ()
輸出：
現在我們遍歷一個組元素包含多個鍵
# element repeat # 包含組的 # 多個鍵
grp = df.groupby ([ `名稱` , ` Qualification` ])
for 名稱，組 in grp:
pr int (name)
print (組)
print ( )
輸出：
如輸出所示，組名將是一個元組
組選擇
選擇一個組，我們可以使用 GroupBy.get_group () 選擇一個組。我們可以通過應用函數 GroupBy.get_group 來選擇一個組，這個函數將選擇一個組。
# pandas模塊導入
import pandas as pd
# 定義一個包含員工數據的字典
data1 = { `名稱` : [ `Jai` , ` Anuj` , `Jai` , `Princi` ,
`Gaurav` , `Anuj` , ` Princi` , `Abhi` ],
print (name)
print (組)
print ()
輸出：
如輸出所示，組名將是一個元組
組選擇
要選擇一個組，我們可以使用 GroupBy.get_group () 選擇一個組。我們可以通過應用 GroupBy.get_group 函數來選擇一個組，這個函數將選擇一個組.
# pandas 模塊導入
import <代碼類=“普通"> pandas as pd