pandas groupby count

简介

在数据分析中，我们经常需要对数据进行分组，并对每个分组进行计数。Python的pandas库提供了一个非常方便的groupby方法，可以轻松实现对数据进行分组和计数的操作。本文将详细介绍pandas的groupby方法以及如何使用它进行计数。

数据准备

首先，我们需要准备一些数据作为示例。我们将使用一个包含学生信息的数据集，包括学生的姓名、年龄和班级。以下是示例数据的部分内容：

import pandas as pd

data = {
    'Name': ['Tom', 'Jerry', 'Alice', 'Tom', 'Jerry'],
    'Age': [18, 19, 20, 18, 19],
    'Class': ['A', 'B', 'A', 'B', 'A']
}

df = pd.DataFrame(data)
print(df)

输出：

    Name  Age Class
0    Tom   18     A
1  Jerry   19     B
2  Alice   20     A
3    Tom   18     B
4  Jerry   19     A

groupby方法的基本用法

groupby方法是pandas DataFrame对象的一个函数，用于根据指定的列或多列对数据进行分组。基本的用法是：

df.groupby(['Column1', 'Column2', ...])

其中Column1, Column2等是需要进行分组的列名。

这里的分组可以是单个列名，也可以是多个列名组成的列表。如果对多个列进行分组，则会按照列名的顺序进行分组。

分组并计数

当我们对数据进行分组后，可以通过count方法计算每个分组中的数量。示例代码如下：

grouped = df.groupby('Name')
counted = grouped.size()
print(counted)

输出：

Name
Alice    1
Jerry    2
Tom      2
dtype: int64

在这个示例中，我们按照Name列对数据进行了分组，并通过size方法计算了每个分组中的数量。结果显示了每个不同的学生姓名在数据集中出现的次数。

多列分组并计数

如果我们想同时按照多个列进行分组并计数，只需要在groupby方法中传入一个列名的列表即可。示例代码如下：

grouped = df.groupby(['Name', 'Class'])
counted = grouped.size()
print(counted)

输出：

Name   Class
Alice  A        1
Jerry  A        1
       B        1
Tom    A        1
       B        1
dtype: int64

在这个示例中，我们同时按照Name和Class两列对数据进行了分组，并计算了每个分组中的数量。结果显示了每个不同的学生姓名和班级在数据集中出现的次数。

利用agg方法聚合计算

除了使用size方法计算每个分组中的数量，我们还可以使用agg方法对每个分组进行其他的聚合计算。示例代码如下：

grouped = df.groupby('Name')
aggregated = grouped.agg({'Age': ['mean', 'min', 'max']})
print(aggregated)

输出：

          Age        
         mean min max
Name                 
Alice     20  20  20
Jerry     19  19  19
Tom       18  18  18

在这个示例中，我们按照Name列对数据进行了分组，并使用agg方法计算了每个分组中Age列的平均值、最小值和最大值。结果显示了每个不同的学生姓名以及他们的年龄平均值、最小值和最大值。

使用apply方法自定义计数函数

在某些情况下，我们可能需要对每个分组中的数据进行一些自定义的计数操作。这时，我们可以使用apply方法来应用自定义的计数函数。示例代码如下：

def count_names(group):
    return group['Name'].str.contains('Tom').sum()

grouped = df.groupby('Class')
counted = grouped.apply(count_names)
print(counted)

输出：