在數據預處理過程中可能會遇到這樣的問題，如下圖：數據中某一個key有多組數據，如何分別對每個key進行相同的運算？

dataframe里面給出了一個group by的一個操作，對于”group by”操作，我們通常是指以下一個或多個操作步驟：

l （Splitting）按照一些規則將數據分為不同的組；

l （Applying）對于每組數據分別執行一個函數；

l （Combining）將結果組合到一個數據結構中；

使用dataframe實現groupby的用法：

# -*- coding: UTF-8 -*-import pandas as pddf = pd.DataFrame([{'col1':'a', 'col2':1, 'col3':'aa'}, {'col1':'b', 'col2':2, 'col3':'bb'}, {'col1':'c', 'col2':3, 'col3':'cc'}, {'col1':'a', 'col2':44, 'col3':'aa'}])print df# 按col1分組并按col2求和print df.groupby(by='col1').agg({'col2':sum}).reset_index()# 按col1分組并按col2求最值print df.groupby(by='col1').agg({'col2':['max', 'min']}).reset_index()# 按col1 ，col3分組并按col2求和print df.groupby(by=['col1', 'col3']).agg({'col2':sum}).reset_index()

輸出結果為：

 col1 col2 col3 0  a   1  aa 1  b   2  bb 2  c   3  cc 3  a  44  aa 

 col1 col2 0  a  45 1  b   2 2  c   3 

 col1 col2       max min 0  a  44  1 1  b  2  2 2  c  3  3 

 col1 col3 col2 0  a  aa  45 1  b  bb   2 2  c  cc   3 

注意點：

代碼中調用了reset_index() 函數, 如果不使用這個函數輸出的結果將是：

   col2col1   a    45b    2c    3   col2     max mincol1     a   44  1b    2  2c    3  3      col2col1 col3   a  aa   45b  bb    2c  cc    3

上下兩個結果還是有區別的，但是具體區別暫時不太清楚，不過下面的一種輸出結果是不能跟使用df['col1']來提取第一列的。至于是什么原因暫時還不清楚，如果您對pandas比較理解或者知道原因，歡迎在評論中留言。

以上這篇pandas數據預處理之dataframe的groupby操作方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。