Pandas DataFrame分组求和、分组乘积的实例

这篇文章将为大家详细讲解有关Pandas DataFrame分组求和、分组乘积的实例，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

Pandas DataFrame 分组求和和分组乘积

引言

Pandas DataFrame 提供了功能强大的分组功能，使数据分析和处理变得高效。分组求和和分组乘积是两个常见的操作，可分别用于计算组内值的总和和积。

分组求和

• 语法： groupby(groupby_column).sum()
• 示例：计算不同部门的员工总工资

import pandas as pd

df = pd.DataFrame({
    "Department": ["Sales", "Marketing", "Sales", "Marketing"],
    "Employee": ["John", "Mary", "Bob", "Alice"],
    "Salary": [10000, 8000, 12000, 9000]
})

result = df.groupby("Department").sum()

print(result)

输出：

   Salary
Department
Marketing  17000
Sales      22000

分组乘积

• 语法： groupby(groupby_column).prod()
• 示例：计算不同日期的股票平均价格

import pandas as pd

df = pd.DataFrame({
    "Date": ["2021-01-01", "2021-01-01", "2021-01-02", "2021-01-02"],
    "Stock": ["AAPL", "MSFT", "AAPL", "MSFT"],
    "Price": [100, 200, 150, 250]
})

result = df.groupby("Date").prod()

print(result)

输出：

     Price
Date
2021-01-01  20000
2021-01-02  37500

其他用法

• 多列分组：可以使用多个列进行分组，例如：groupby(["Department", "Employee"])
• 自定义聚合函数：可以使用 agg() 方法自定义聚合函数，例如：groupby("Department").agg({"Salary": ["sum", "mean"]})
• 过滤分组：可以使用 filter() 方法过滤分组，例如：groupby("Department").filter(lambda x: x["Salary"].sum() > 10000)

优点

• 简化了组内值计算
• 提高了代码的可读性和可维护性
• 支持灵活的数据分组和聚合

局限性

• 大数据集时可能速度较慢
• 仅适用于数值数据（分组乘积）
• 对于更复杂的分组操作，可能需要自定义函数

结论

Pandas DataFrame 分组求和和分组乘积是强大的工具，可在数据分析和处理中显著提升效率。通过了解其语法和用法，用户可以轻松地对其数据进行分组并执行各种聚合操作。

以上就是Pandas DataFrame分组求和、分组乘积的实例的详细内容，更多请关注编程学习网其它相关文章！