Pandas2.2 Series
Function application, GroupBy & window
| 方法 | 描述 |
|---|---|
| Series.apply() | 用于将一个函数应用到 Series 的每个元素或整个 Series |
| Series.agg() | 用于对 Series 数据进行聚合操作 |
| Series.aggregate() | 用于对 Series 数据进行聚合操作 |
| Series.transform() | 用于对 Series 数据进行转换操作 |
| Series.map() | 用于将 Series 中的每个元素映射为新的值 |
| Series.groupby() | 用于根据一个或多个键对 Series 进行分组 |
pandas.Series.groupby
pandas.Series.groupby 是 Pandas 库中 Series 对象的一个方法，用于根据一个或多个键对 Series 进行分组。分组后可以对每个分组应用聚合、转换等操作。groupby 方法是数据分析中非常重要的工具，特别适用于需要按类别汇总或分析数据的场景。
方法签名
Series.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, observed=False, dropna=True)
by: 用于分组的键。可以是：- 列名（字符串）。
- 数组、列表、字典或其他序列。
- 函数，接受索引值并返回分组键。
axis: 指定轴，默认为 0，表示沿索引方向进行分组。level: 如果Series具有多级索引，指定使用哪一级作为分组键。as_index: 是否将分组键作为结果的索引，默认为True。sort: 是否对分组键进行排序，默认为True。group_keys: 是否在结果中包含分组键，默认为True。observed: 是否仅显示观察到的分类变量，默认为False。dropna: 是否排除包含缺失值的分组，默认为True。
主要特点
- 灵活分组：可以根据多种类型的键进行分组，包括列名、数组、函数等。
- 多级索引支持：支持对具有多级索引的数据进行分组。
- 聚合和转换：分组后可以应用聚合函数（如
sum,mean等）或转换函数（如transform）。 - 处理缺失值：可以通过参数控制是否排除包含缺失值的分组。
示例及结果
示例1：基于简单键分组
import pandas as pd# 创建一个 Series
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'a', 'b', 'c'])# 使用 groupby 方法按索引分组，并计算每组的和
result = s.groupby(level=0).sum()print("基于简单键分组结果:")
print(result)
输出结果：
基于简单键分组结果:
a 4
b 6
c 5
dtype: int64
在这个例子中，Series 根据其索引进行分组，并对每个分组求和。
示例2：基于函数分组
import pandas as pd# 创建一个 Series
s = pd.Series([1, 2, 3, 4, 5], index=[1, 2, 3, 4, 5])# 使用 groupby 方法按索引的奇偶性分组，并计算每组的平均值
def is_odd(x):return 'odd' if x % 2 != 0 else 'even'result = s.groupby(is_odd).mean()print("基于函数分组结果:")
print(result)
输出结果：
基于函数分组结果:
even 3.0
odd 3.0
dtype: float64
在这个例子中，Series 根据索引的奇偶性进行分组，并对每个分组求平均值。
示例3：基于外部数组分组
import pandas as pd# 创建一个 Series
s = pd.Series([1, 2, 3, 4, 5])# 使用 groupby 方法按外部数组分组，并计算每组的和
groups = ['A', 'B', 'A', 'B', 'C']
result = s.groupby(groups).sum()print("基于外部数组分组结果:")
print(result)
输出结果：
基于外部数组分组结果:
A 4
B 6
C 5
dtype: int64
在这个例子中，Series 根据外部数组 groups 进行分组，并对每个分组求和。
示例4：多级索引分组
import pandas as pd# 创建一个多级索引的 Series
index = pd.MultiIndex.from_tuples([('A', 'x'), ('A', 'y'), ('B', 'x'), ('B', 'y')], names=['first', 'second'])
s = pd.Series([1, 2, 3, 4], index=index)# 使用 groupby 方法按多级索引的第一级分组，并计算每组的和
result = s.groupby(level='first').sum()print("多级索引分组结果:")
print(result)
输出结果：
多级索引分组结果:
first
A 3
B 7
dtype: int64
在这个例子中，Series 根据多级索引的第一级 first 进行分组，并对每个分组求和。
示例5：分组后应用多个聚合函数
import pandas as pd# 创建一个 Series
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'a', 'b', 'c'])# 使用 groupby 方法按索引分组，并应用多个聚合函数
result = s.groupby(level=0).agg(['sum', 'mean'])print("分组后应用多个聚合函数结果:")
print(result)
输出结果：
分组后应用多个聚合函数结果:sum mean
a 4 2.0
b 6 3.0
c 5 5.0
在这个例子中，Series 根据其索引进行分组，并对每个分组应用了 sum 和 mean 两个聚合函数。
总结
pandas.Series.groupby 方法在数据分析和处理中非常有用，特别是在需要按类别汇总或分析数据时。它支持多种分组键类型、多级索引分组以及分组后的聚合和转换操作。通过这些示例，可以看到 groupby() 方法在不同场景下的应用及其强大功能。
请注意，groupby 方法通常与聚合函数（如 sum, mean 等）或转换函数（如 transform）结合使用，以实现更复杂的数据分析任务。
