pandas 聚合

1. 引言

在数据分析和数据处理过程中，聚合是一个非常重要的操作。我们需要将数据进行分组后，对每个组中的数据进行某种计算，如求和、平均值等。Pandas 是 Python 中常用的数据分析库，它提供了丰富的聚合操作方法，方便我们进行数据处理和分析的工作。本文将详细介绍 Pandas 中的聚合操作，包括分组、聚合函数和多级分组等内容。

2. 数据准备

为了说明聚合操作的使用方法，我们首先需要准备一些数据。我们使用一个示例数据集，包含了某个公司员工的基本信息、薪资和部门等数据。这个数据集以 DataFrame 的形式存储，每一行代表一个员工的数据，每一列代表不同的属性。下面是示例数据集的前几行：

我们将上述数据保存到名为 data.csv 的文件中，并使用 Pandas 的 read_csv() 函数读取数据：

import pandas as pd

df = pd.read_csv('data.csv')

3. 分组聚合

3.1 分组

分组是聚合操作的前提，我们需要将数据按照某个属性进行分组，然后对每个组进行相同的聚合操作。在 Pandas 中，我们可以使用 groupby() 方法进行分组。下面的示例将数据按照部门属性进行分组：

grouped = df.groupby('部门')

3.2 聚合函数

Pandas 提供了一些常用的聚合函数，如求和、平均值、最大值、最小值等。我们可以通过在分组对象上调用这些聚合函数来进行计算。下面是一些常用的聚合函数及对应的调用方法：

• 求和：sum()
• 平均值：mean()
• 最大值：max()
• 最小值：min()
• 统计数量：count()

下面的示例将分组对象进行求和操作：

sums = grouped['薪资'].sum()

3.3 多个聚合函数

除了单个聚合函数外，我们也可以同时应用多个聚合函数，通过在聚合函数名称上使用列表的方式来实现。下面的示例同时计算均值和总和：

agg_results = grouped['薪资'].agg(['mean', 'sum'])

4. 多级分组

除了单一属性的分组外，有时候我们需要按照多个属性进行分组，称之为多级分组。多级分组可以为我们提供更细粒度的数据分析和计算。在 Pandas 中，我们可以直接传入多个属性名称来进行多级分组。下面的示例将数据按照部门和性别进行多级分组：

grouped = df.groupby(['部门', '性别'])

5. 结论

本文介绍了 Pandas 中聚合操作的基本使用方法，包括分组、聚合函数和多级分组等内容。在实际数据处理和分析中，聚合操作是非常重要的一环，它可以帮助我们快速计算和分析数据，得出有价值的结论。通过灵活运用 Pandas 的聚合函数，我们可以方便地实现各种复杂的数据分析需求。