Pandas - 按一列分组并聚合其他列以列出

Pandas

使用Pandas按一列分组并聚合其他列以列出

Pandas是一个强大的数据分析工具，它提供了许多灵活的功能来处理和分析数据。在本文中，我们将学习如何使用Pandas按一列分组并聚合其他列以列出数据。

1. 数据准备

首先，我们需要准备一些数据来进行演示。假设我们有一个销售数据集，其中包含了不同产品的销售记录。每条记录包含产品名称、销售日期和销售数量。我们将使用这个数据集来进行分组和聚合操作。

下面是一个简单的示例数据集：

Python
import Pandas as pd
data = {
    'Product': ['A', 'B', 'A', 'B', 'A', 'B', 'C', 'C'],
    'Date': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-05', '2021-01-06', '2021-01-07', '2021-01-08'],
    'Quantity': [10, 5, 8, 12, 6, 3, 7, 9]
}
df = pd.DataFrame(data)

这个数据集包含了8条销售记录，其中包括了产品名称、销售日期和销售数量。我们将使用这个数据集进行后续的演示。

2. 按一列分组并聚合其他列

一旦我们有了数据集，我们就可以开始按一列进行分组并聚合其他列。在Pandas中，我们可以使用groupby()和agg()函数来完成这个任务。

下面是一个示例代码，演示了如何按产品名称进行分组，并计算每个产品的总销售数量：

Python
grouped_df = df.groupby('Product').agg({'Quantity': 'sum'})

在这个示例中，我们首先使用groupby()函数按产品名称进行分组，然后使用agg()函数对每个分组进行聚合操作。在agg()函数中，我们使用了一个字典来指定要聚合的列和聚合函数。在这个例子中，我们使用了'Quantity'作为要聚合的列，并使用了'sum'作为聚合函数，表示计算总和。

3. 列出聚合结果

一旦我们对数据进行了分组和聚合，我们可以通过打印结果来列出聚合结果。在Pandas中，我们可以使用print()函数来打印数据。

下面是一个示例代码，演示了如何列出聚合结果：

Python
print(grouped_df)

运行这段代码后，我们将获得以下输出：

         Quantity
Product          
A              24
B              20
C              16

这个输出显示了按产品名称分组后，每个产品的总销售数量。我们可以看到，产品A的总销售数量为24，产品B的总销售数量为20，产品C的总销售数量为16。

在本文中，我们学习了如何使用Pandas按一列分组并聚合其他列以列出数据。我们首先准备了一个示例数据集，然后使用groupby()和agg()函数对数据进行了分组和聚合操作。最后，我们通过打印结果列出了聚合结果。Pandas的分组和聚合功能提供了一个灵活而强大的工具，可以帮助我们对数据进行更深入的分析和理解。

案例代码

Python
import Pandas as pd
data = {
    'Product': ['A', 'B', 'A', 'B', 'A', 'B', 'C', 'C'],
    'Date': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-05', '2021-01-06', '2021-01-07', '2021-01-08'],
    'Quantity': [10, 5, 8, 12, 6, 3, 7, 9]
}
df = pd.DataFrame(data)
grouped_df = df.groupby('Product').agg({'Quantity': 'sum'})
print(grouped_df)

参考资料：

- Pandas官方文档：Pandas.pydata.org/docs/">https://Pandas.pydata.org/docs/