pandas分组求和两种方法的比较

Enigma
Pandas是Python语言的一个扩展程序库,被广泛应用于数据分析。在数据分析工作中,如果要将数据根据某个(多个)字段划分为不同的组(group),则需要用到Pandas的groupby方法。
在对不同的组进行求和操作时,我们既可以直接使用sum()函数,也可以使用agg聚合函数。这两种方法有什么区别呢?哪种方法会更好?
举个简单的例子:
df = pd.DataFrame({"Fruits":["apple","banana","apple","pear","apple","banana"],"Numbers":[5,8,9,3,4,5]})
df的值如下所示:

我们根据水果的种类进行分组,来求取每种水果的数量总和。
1、直接使用sum()函数
df0 = df.groupby(['Fruits'])['Numbers'].sum()
df0
得到的结果:

我们注意,得到的结果只有索引,而没有列名,结果是Series类型。
2、使用聚合函数agg
DataFrame.agg(func,axis = 0,* args,** kwargs )
参数func采用字典形式:{‘行名/列名’:‘函数名’},其使用指定轴上的一个或多个操作进行聚合。
df1 = df.groupby(['Fruits']).agg({"Numbers":"sum"})
df1
得到的结果:

此次得到的结果既有索引又有列名,因此是DataFrame类型。
pandas分组求和的两种方法,得到的结果类型是不一样的。因此,我们在使用pandas进行分组求和的时候,需要注意这两种方法的区别。个人更推荐使用agg聚合函数,因为这种方法更简明易懂。
阅读 287
1 声望
0 粉丝
0 条评论
你知道吗?

1 声望
0 粉丝
文章目录
宣传栏