Pandas DataFrame分组求和、分组乘积的实例

目录

• Pandas DataFrame分组求和、分组乘积
• DataFrame group分组（单列分组、多列分组、分组统计、迭代、聚合计算）
• 分组
• 总结

Pandas DataFrame分组求和、分组乘积

import numpy as np
import pandas as pd
pd.set_option(\’display.max_columns\’, 10)

# 删除空数据
def DropNan(data_qd):
for i in range(len(data_qd)):
if np.isnan(data_qd[\’test_uniq_cnt\’][i]) or \\
np.isnan(data_qd[\’fail_uniq_cnt\’][i]):
data_qd = data_qd.drop(i)
return data_qd

def GetGroupSum(df, lst_merge):
pop_group = df.groupby(lst_merge).sum().reset_index().\\
rename(columns = {\’test_uniq_cnt\’:\’sum_test_cnt\’,\’fail_uniq_cnt\’:\’sum_fail_cnt\’})
pop_group[\’Percentofpass\’] = pop_group.\\
apply(lambda x: -99999 if x.sum_test_cnt == 0 or np.isnan(x.sum_test_cnt) or np.isnan(x.sum_fail_cnt) \\
else 1 – float(x.sum_fail_cnt)/x.sum_test_cnt, axis = 1)

return pop_group

def GetGroupProd(df, lst_group):
fpy_group = df.groupby(lst_group).\\
apply(lambda x: \’无生产\’ if x[\’Percentofpass\’].max(axis = 0) < 0 \\
else \’NA\’ if x[\’Percentofpass\’].min(axis = 0) < 0 \\
else x[\’Percentofpass\’].cumprod(axis = 0).iloc[-1]).reset_index()
fpy_group.columns = lst_group + [\’fpy\’]
return fpy_group

DataFrame group分组（单列分组、多列分组、分组统计、迭代、聚合计算）

pandas – DataFrame

分组

def dataFormatGroup():
\”\”\”
分组统计
:return:
\”\”\”
# 解决数据输出时列名不对齐的问题
pd.set_option(\’display.unicode.ambiguous_as_wide\’, True)
pd.set_option(\’display.unicode.east_asian_width\’, True)

data = [
[\”组织结构-1\”, \”组织结构-1-1\”, 11, 12],
[\”组织结构-1\”, \”组织结构-1-2\”, 11, 12],
[\”组织结构-1\”, \”组织结构-1-3\”, 11, 12],
[\”组织结构-1\”, \”组织结构-1-3\”, 13, 14],
[\”组织结构-2\”, \”组织结构-2-1\”, 21, 22],
[\”组织结构-2\”, \”组织结构-2-1\”, 21, 22],
[\”组织结构-2\”, \”组织结构-2-3\”, 21, 22],
[\”组织结构-3\”, \”组织结构-3-1\”, 31, 32],
[\”组织结构-3\”, \”组织结构-3-1\”, 31, 32],
[\”组织结构-3\”, \”组织结构-3-3\”, 31, 32],
[\”组织结构-4\”, \”组织结构-4-1\”, 41, 42],
[\”组织结构-4\”, \”组织结构-4-1\”, 41, 42],
[\”组织结构-4\”, \”组织结构-4-3\”, 41, 42]
]
columns = [\’一级单位\’, \’二级单位\’, \’男员工人数\’, \’女员工人数\’]

df = pd.DataFrame(data=data, columns=columns)

# 按单列进行分组统计
group_one_org = df.groupby(\’一级单位\’).sum()
print(group_one_org)

# 按多列进行分组统计
group_two_org = df.groupby([\’一级单位\’, \’二级单位\’]).sum()
print(group_two_org)

# 按单列进行分组统计，并统计男员工人数
group_one_org_by_man = df.groupby([\’一级单位\’])[\”男员工人数\”].sum()
print(group_one_org_by_man)

# 迭代
groups = df.groupby([\’一级单位\’])
for name, group in groups:
print(name)
print(group)

# 聚合函数 (平均、求和、最大、最小）
agg_1 = df.groupby(\”一级单位\”).agg([\’mean\’, \’sum\’, \’max\’, \’min\’])
print(agg_1)

# 聚合函数 分列聚合计算
agg_2 = df.groupby(\”一级单位\”).agg({\’男员工人数\’: [\’mean\’, \’sum\’], \’女员工人数\’: [\’max\’, \’min\’]})
print(agg_2)

# 求和分组并排序（ascending True 升序 False 降序）
group_and_num = df.assign(sum=df.sum(axis=1)).groupby([\’一级单位\’, \’二级单位\’]).sum().sort_values(\”sum\”, ascending=True)
print(group_and_num)

原始数据：

一级单位 二级单位 男员工人数 女员工人数
0 组织结构-1 组织结构-1-1 11 12
1 组织结构-1 组织结构-1-2 11 12
2 组织结构-1 组织结构-1-3 11 12
3 组织结构-1 组织结构-1-3 13 14
4 组织结构-2 组织结构-2-1 21 22
5 组织结构-2 组织结构-2-1 21 22
6 组织结构-2 组织结构-2-3 21 22
7 组织结构-3 组织结构-3-1 31 32
8 组织结构-3 组织结构-3-1 31 32
9 组织结构-3 组织结构-3-3 31 32
10 组织结构-4 组织结构-4-1 41 42
11 组织结构-4 组织结构-4-1 41 42
12 组织结构-4 组织结构-4-3 41 42

group_one_org 按单列进行分组统计 返回结果：

男员工人数 女员工人数
一级单位
组织结构-1 46 50
组织结构-2 63 66
组织结构-3 93 96
组织结构-4 123 126

** group_two_org 按多列进行分组统计 返回结果：**

男员工人数 女员工人数
一级单位 二级单位
组织结构-1 组织结构-1-1 11 12
组织结构-1-2 11 12
组织结构-1-3 24 26
组织结构-2 组织结构-2-1 42 44
组织结构-2-3 21 22
组织结构-3 组织结构-3-1 62 64
组织结构-3-3 31 32
组织结构-4 组织结构-4-1 82 84
组织结构-4-3 41 42

group_one_org_by_man 按单列进行分组统计，并统计男员工人数 返回结果：

一级单位
组织结构-1 46
组织结构-2 63
组织结构-3 93
组织结构-4 123
Name: 男员工人数, dtype: int64

groups 迭代 返回结果：

组织结构-1
一级单位 二级单位 男员工人数 女员工人数
0 组织结构-1 组织结构-1-1 11 12
1 组织结构-1 组织结构-1-2 11 12
2 组织结构-1 组织结构-1-3 11 12
3 组织结构-1 组织结构-1-3 13 14

组织结构-2
一级单位 二级单位 男员工人数 女员工人数
4 组织结构-2 组织结构-2-1 21 22
5 组织结构-2 组织结构-2-1 21 22
6 组织结构-2 组织结构-2-3 21 22

组织结构-3
一级单位 二级单位 男员工人数 女员工人数
7 组织结构-3 组织结构-3-1 31 32
8 组织结构-3 组织结构-3-1 31 32
9 组织结构-3 组织结构-3-3 31 32

组织结构-4
一级单位 二级单位 男员工人数 女员工人数
10 组织结构-4 组织结构-4-1 41 42
11 组织结构-4 组织结构-4-1 41 42
12 组织结构-4 组织结构-4-3 41 42

agg_1 聚合函数 (平均、求和、最大、最小） 返回结果：

男员工人数 女员工人数
mean sum max min mean sum max min
一级单位
组织结构-1 11.5 46 13 11 12.5 50 14 12
组织结构-2 21.0 63 21 21 22.0 66 22 22
组织结构-3 31.0 93 31 31 32.0 96 32 32
组织结构-4 41.0 123 41 41 42.0 126 42 42

agg_2 聚合函数 分列聚合计算 返回结果：

男员工人数 女员工人数
mean sum max min
一级单位
组织结构-1 11.5 46 14 12
组织结构-2 21.0 63 22 22
组织结构-3 31.0 93 32 32
组织结构-4 41.0 123 42 42

求和分组并排序（ascending True 升序 False 降序） 返回结果：

男员工人数 女员工人数 sum
一级单位 二级单位
组织结构-1 组织结构-1-1 11 12 23
组织结构-1-2 11 12 23
组织结构-2 组织结构-2-3 21 22 43
组织结构-1 组织结构-1-3 24 26 50
组织结构-3 组织结构-3-3 31 32 63
组织结构-4 组织结构-4-3 41 42 83
组织结构-2 组织结构-2-1 42 44 86
组织结构-3 组织结构-3-1 62 64 126
组织结构-4 组织结构-4-1 82 84 166

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持悠久资源网。

您可能感兴趣的文章:

• pandas报错AttributeError:DataFrameobjecthasnoattributeix问题
• pandasdataframe统计填充空值方式
• Python数据分析:pandas中Dataframe的groupby与索引用法
• pandasDataFrame.to_sql()用法小结
• pandas如何实现两个dataframe相减
• Pandas实现复制dataframe中的每一行