跳到主要内容

Pandas 数据聚合

在数据分析中，数据聚合是一个非常重要的步骤。它允许我们将数据集中的多个数据点合并为一个或多个汇总值。Pandas库提供了强大的工具来实现数据聚合，特别是通过groupby方法和各种聚合函数。

什么是数据聚合？​

数据聚合是指将数据集中的多个数据点合并为一个或多个汇总值的过程。常见的聚合操作包括求和、平均值、最大值、最小值等。这些操作通常用于从大量数据中提取有用的信息。

基本概念​

1. 分组（Grouping）​

在Pandas中，groupby方法用于将数据按照某些条件分组。分组后，我们可以对每个组应用聚合函数。

python
import pandas as pd

# 创建一个示例DataFrame
data = {
    'Category': ['A', 'B', 'A', 'B', 'A', 'B'],
    'Values': [10, 20, 10, 20, 10, 20]
}
df = pd.DataFrame(data)

# 按照 'Category' 列进行分组
grouped = df.groupby('Category')

2. 聚合函数（Aggregation Functions）​

分组后，我们可以使用各种聚合函数来计算每个组的汇总值。常见的聚合函数包括：

  • sum()：求和
  • mean()：平均值
  • max()：最大值
  • min()：最小值
  • count()：计数
python
# 计算每个组的平均值
mean_values = grouped.mean()
print(mean_values)

输出：

          Values
Category        
A             10
B             20

实际案例​

案例1：销售数据分析​

假设我们有一个销售数据表，包含产品类别、销售日期和销售额。我们可以使用Pandas来按产品类别和月份进行分组，并计算每个月的总销售额。

python
# 创建一个示例销售数据表
sales_data = {
    'Product': ['A', 'B', 'A', 'B', 'A', 'B'],
    'Date': ['2023-01-01', '2023-01-01', '2023-02-01', '2023-02-01', '2023-03-01', '2023-03-01'],
    'Sales': [100, 200, 150, 250, 300, 350]
}
sales_df = pd.DataFrame(sales_data)

# 将日期转换为日期类型
sales_df['Date'] = pd.to_datetime(sales_df['Date'])

# 按产品和月份分组，并计算总销售额
sales_df['Month'] = sales_df['Date'].dt.to_period('M')
monthly_sales = sales_df.groupby(['Product', 'Month'])['Sales'].sum().reset_index()

print(monthly_sales)

输出：

  Product    Month  Sales
0       A  2023-01    100
1       A  2023-02    150
2       A  2023-03    300
3       B  2023-01    200
4       B  2023-02    250
5       B  2023-03    350

案例2：学生成绩分析​

假设我们有一个学生成绩表，包含学生姓名、科目和成绩。我们可以使用Pandas来按学生和科目进行分组，并计算每个学生的平均成绩。

python
# 创建一个示例学生成绩表
grades_data = {
    'Student': ['Alice', 'Bob', 'Alice', 'Bob', 'Alice', 'Bob'],
    'Subject': ['Math', 'Math', 'Science', 'Science', 'History', 'History'],
    'Grade': [90, 85, 88, 92, 78, 80]
}
grades_df = pd.DataFrame(grades_data)

# 按学生和科目分组，并计算平均成绩
average_grades = grades_df.groupby(['Student', 'Subject'])['Grade'].mean().reset_index()

print(average_grades)

输出：

  Student  Subject  Grade
0   Alice    Math   90.0
1   Alice  Science  88.0
2   Alice  History  78.0
3     Bob    Math   85.0
4     Bob  Science  92.0
5     Bob  History  80.0

总结​

Pandas的数据聚合功能非常强大，能够帮助我们轻松地从大量数据中提取有用的信息。通过groupby方法和各种聚合函数，我们可以对数据进行分组、汇总和分析。在实际应用中，数据聚合常用于销售分析、成绩分析、财务分析等场景。

附加资源​

练习​

  1. 创建一个包含学生姓名、科目和成绩的DataFrame，按学生分组并计算每个学生的总成绩。
  2. 创建一个包含销售数据（产品、日期、销售额）的DataFrame，按产品和月份分组并计算每个月的平均销售额。

通过练习，你将更好地掌握Pandas数据聚合的使用方法。