Pandas 的groupby操作

本文主要是介绍Pandas 的groupby操作，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

### 目的
在做数据分析的时候，我们的数据一般从数据库来，那么就涉及到groupby操作。例如，我们要预测一个居民小区的未来一段时间的电费，那么就要将数据按照小区groupby，然后按照时间排序，这里groupby操作可完美的完成这个任务。
假设数据表cellfee结构为：
reportdate, cidyid, cellid, fee。
### 读取表数据
```
import pandas as pd
from sqlalchemy import create_engine
# default
engine = create_engine('mysql+pymysql://ledao:ledao123@localhost/pandas_learn')
original_data = pd.read_sql_table('cellfee', engine)
original_data
```
### groupby分组汇总指定类别的所有数据
```
for k, v in original_data.groupby([original_data['cityid'], original_data['cellid']]):
    print('key: {}, type is {}'.format(k, type(k)))
    print('vale:\n {}, \ntype is {}'.format(v, type(v)))
```
上述的代码的结果为：
key: ('1', '1'), type is <class 'tuple'>
vale:
   reportdate cityid cellid   fee
0 2017-07-20      1      1  10.0
1 2017-07-21      1      1  10.0
2 2017-07-22      1      1  10.0
3 2017-07-23      1      1  10.0,
type is <class 'pandas.core.frame.DataFrame'>
通过一个简单的groupby函数，我们就能将数据库中以列存储的数据根据分组要求全部汇总到一个形成一个DataFrame。后续对分组形成的DataFrame可以做形成特征向量，排序，再继续汇总等常见的数据分析的操作。
在groupby的操作上，我只服气scala、kotlin的模式，即groupby加map（flatMap），希望pandas以后也会支持这种函数式的操作。
### agg函数
除了groupby的结果通过for遍历之后，Pandas也提供了agg函数，详见[Pandas官网](http://pandas.pydata.org/pandas-docs/stable/generated/pandas.core.groupby.DataFrameGroupBy.agg.html)。主要用于对具体的列的操作，类似sql。

这篇关于Pandas 的groupby操作的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！