数据的合并以及分组聚合(pandas)

数据的合并以及分组聚合(pandas)

按照行索引合并（join）

df1 = pd.DataFrame(np.zeros((3, 3)), index=list("ABC"), columns=list("abc"))df2 = pd.DataFrame(np.ones((2, 2)), index=list("AB"), columns=list("mn"))

df1 和 df2 如下：

我们合并一下两个DataFrame

print(df1.join(df2))print(df2.join(df1))

合并结果：

注：

以df1为基准合并时，df2没有行索引C，用NaN补齐以df2为基准合并时，df1比df2多了行索引C，直接舍弃

按照列索引合并（merge）

构造两个DataFrame

四种连接方式结果如下(内外连接，左右连接)：

星巴克案例

下面通过一个案例来说明分组聚合的用法 数据主要是全球星巴克门店的信息，包括所在地址，门店编号，联系方式等等 数据来源：​​​星巴克数据​​

1、将csv文件-后放到工作路径，接下来进行读取，查看数据

= "./directory.csv" df = pd.read_csv(file_path) print(df.head()) print(df.info())

前5行数据

数据的基本信息如下：

2、按照国家进行分组

先利用groupby方法分组，然后打印相关信息

= df.groupby(by="Country") # 按照国家分组后，多个DataFrame组成的集合 for i,j in grouped: print("*" * 50) print(i) print("*"*50) print(j) print("-"*50)

打印结果：

于是，我们懂了，两个星花之间的表示分组依据，星花和横线之间的是每个分组的相关数据，也就是一个DataFrame。那么代码中groupby方法返回的就是多个DataFrame组成的一个DataFrameGroupBy对象

3、使用聚合函数

print(grouped.count())

聚合方法count返回的是各分类的某属性有多少条数据，例如US的Brand一栏有13608条数据

当然聚合方法还有

sum：计算非NaN值的和mean：计算非NaN值的平均值median：计算非NaN值的算数中位数std、var：计算无偏（分母为n-1）的标准差和方差min、max：计算非NaN值的最小、最大值

4、统计中国每个省份门店的数量

= df[df["Country"]=="CN"] grouped_province = cn_data.groupby(by="State/Province").count()["Brand"] print(grouped_province)

按多个条件分组：统计每个省份各个城市门店的数量

cn_data = df[df["Country"]=="CN"]# 按照多个条件分组grouped = cn_data.groupby(by=["State/Province", "City"]).count()["Brand"]print(grouped)

分组结果：

我们得到了有两个索引的Series

同样的，我们也可以返回与上述Series相同数据的DataFrame

= df[df["Country"]=="CN"] grouped = cn_data.groupby(by=["State/Province", "City"]).count()[["Brand"]] print(grouped) print(type(grouped))

5、绘制中国星巴克数量排名前十的城市

import pandas as pdfrom matplotlib import pyplot as pltfrom matplotlib import font_managerdef main(): font_20 = font_manager.FontProperties(fname=r"C:\Windows\Fonts\simkai.ttf", size=20) font_30 = font_manager.FontProperties(fname=r"C:\Windows\Fonts\timesi.ttf", size=30) file_path = "./directory.csv" df = pd.read_csv(file_path) df = df[df["Country"] == "CN"] # 获取中国星巴克数量排名前十的城市以及响应的门店数量 data1 = df.groupby(by="City").count()["Brand"].sort_values(ascending=False)[:10] x = data1.index[::-1] y = data1.values[::-1] plt.figure(figsize=(20, 12), dpi=80) plt.title("StarBucks in China's cities", fontproperties=font_30) plt.barh(range(len(x)), y, height=0.4, color="orange") plt.xticks(range(0,600,100), fontproperties=font_20) plt.yticks(range(len(x)), x, fontproperties=font_20) plt.savefig(fname="./starBucks_cn", dpi=500) # plt.show()if __name__ == '__main__': main()

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。