极客笔记Python 对具有相似索引元素的记录进行分组
在Python中，可以使用诸如pandas和numpy之类的库来对具有相似索引元素的记录进行分组，这些库提供了几个函数来执行分组操作。基于相似索引元素对记录进行分组在数据分析和操作中非常常见。在本文中，我们将了解和实现各种方法来对具有相似索引元素的记录进行分组。
方法1：使用pandas groupby()
Pandas是一个用于数据操作和分析的强大库。groupby()函数允许我们根据一个或多个索引元素对记录进行分组。让我们考虑一个数据集，其中包含学生的分数数据，如下面的示例所示。
语法
grouped = df.groupby(key)
在这里，Pandas的GroupBy方法用于根据一个或多个键将数据分组到一个DataFrame中。”key”参数表示应该根据哪一列或多列对数据进行分组。生成的”grouped”对象可以用来对每个组进行操作和计算。
示例
在下面的示例中，我们使用groupby()函数按照”Name”列对记录进行分组。然后使用mean()函数计算每个学生的平均分。生成的DataFrame显示了每个学生的平均分数。
import pandas as pd
# Creating a sample DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob'],
'Subject': ['Math', 'English', 'Math', 'English', 'Math'],
'Score': [85, 90, 75, 92, 80]
}
df = pd.DataFrame(data)
# group by name
grouped = df.groupby('Name')
# calculate mean value of grouped data
mean_scores = grouped.mean()
print(mean_scores)
输出
Name Score
Alice 88.5
Bob 85.0
Charlie 75.0
方法2：使用collections模块中的defaultdict
Python中的collections模块提供了defaultdict类，它是内置字典类的子类。它通过自动创建新的键值对来简化分组过程，如果键不存在的话。
语法
groups = defaultdict(list)
groups[item].append(item)
在这里，语法使用collections模块中的defaultdict()函数将一个名为groups的defaultdict对象初始化为一个空列表的默认值。代码的第二行使用键（item）访问与该键关联的列表，并将item添加到列表中。
示例
在下面的示例中，我们使用列表作为默认值的defaultdict。我们遍历了scores列表，并将subject−score对追加到defaultdict中对应学生的键中。结果字典显示了分组的记录，每个学生具有一个subject−score对的列表。
from collections import defaultdict
# Creating a sample list of scores
scores = [
('Alice', 'Math', 85),
('Bob', 'English', 90),
('Charlie', 'Math', 75),
('Alice', 'English', 92),
('Bob', 'Math', 80)
]
grouped_scores = defaultdict(list)
for name, subject, score in scores:
grouped_scores[name].append((subject, score))
print(dict(grouped_scores))
输出
{'Alice': [('Math', 85), ('English', 92)],
'Bob': [('English', 90), ('Math', 80)],
'Charlie': [('Math', 75)]}
方法3：使用itertools.groupby()
Python中的itertools模块提供了groupby()函数，该函数基于键函数将可迭代对象中的元素进行分组。
语法
list_name.append(element)
这里，append()函数是一个用于将元素添加到列表末尾的列表方法。它通过将指定的元素作为新项添加到原始列表中来修改原始列表。
示例
在下面的示例中，我们使用了itertools模块的groupby()函数。在应用groupby()函数之前，我们使用一个lambda函数根据日期对事件列表进行排序。groupby()函数根据日期将事件进行分组，然后我们遍历这些分组，将事件名称提取出来并将它们附加到对应日期的键中的defaultdict。生成的字典显示了分组记录，其中每个日期都有一组事件的列表。
from itertools import groupby
# Creating a sample list of dates and events
events = [
('2023-06-18', 'Meeting'),
('2023-06-18', 'Lunch'),
('2023-06-19', 'Conference'),
('2023-06-19', 'Dinner'),
('2023-06-20', 'Presentation')
]
events.sort(key=lambda x: x[0]) # Sort the events based on dates
grouped_events = defaultdict(list)
for date, group in groupby(events, key=lambda x: x[0]):
for _, event in group:
grouped_events[date].append(event)
print(dict(grouped_events))
输出
{
'2023-06-18': ['Meeting', 'Lunch'],
'2023-06-19': ['Conference', 'Dinner'],
'2023-06-20': ['Presentation']
}
结论
在本文中，我们讨论了如何使用不同的Python方法和库根据相似的索引元素对记录进行分组。Python提供了多种方法来实现这一目标，包括pandas库的groupby()函数、collections模块中的defaultdict函数，以及itertools模块中的groupby()函数。每种方法都有其优势，可以根据任务的具体要求进行选择。