跟小白学Python数据分析——分组分析
小白:Mr.林,基本统计分析我已经会了,现在我想按性别分组统计下用户数,以及按性别分组统计用户的平均年龄,那我该如何做呢?
Mr.林:在Pandas中,对数据进行分组统计需要使用groupby函数。
我们继续使用导入使用的案例数据进行学习,输入以下代码:
1import pandas 2data = pandas.read_csv( 3'D:/D/data.csv', 4 engine='python', 5 encoding='utf8' 6)
Mr.林:执行后,在变量浏览窗口中就可以看到刚导入的data变量了,双击打开data变量,就可以得到下面这张表。
先来统计按性别分组的用户数,输入以下代码
1data.groupby('gender').count()
得到的结果如下所示
1 id reg_date id_num birthday age 2gender 3女 4316 4316 4316 4316 4316 4男 54785 54785 54785 54785 54785
然后再来统计按性别分组的平均值,输入以下代码
1data.groupby('gender').mean()
得到的结果如下所示
1 id age 2gender 3女 149779.770853 30.392493 4男 149833.467829 26.979629
小白:我发现了一个问题,它又根据所有能统计的列都统计了结果。如果我只是仅仅希望按性别分组统计下用户数,以及按性别分组统计用户的平均年龄,那我该如何做呢?
Mr.林:这个时候可以使用groupby与agg函数组合进行统计。
还是先来按性别分组统计id的数量,也就是用户数,输入以下代码
1data.groupby('gender')['id'].agg('count')
执行后,得到的结果如下所示
1gender 2女 4316 3男 54785
然后再来按性别分组统计年龄的平均值,输入以下代码
1data.groupby('gender')['age'].agg('mean')
执行后,得到的结果如下所示
1gender 2女 30.392493 3男 26.979629
小白:啊哈!棒棒哒!
小白突然又想到一个问题:那我能不能在性别分组的基础上,再加入一个分组列,比如将注册日期加到分组列里?
Mr.林:这可以有,只要在gender前面再加入reg_date,如果还有其他分组列可以继续加入,用逗号分隔即可,输入以下代码
1data.groupby(['reg_date','gender'])['id'].agg('count')
执行后,得到的结果如下所示
1reg_date gender 22011/1/1 男 10 32011/1/10 女 6 4 男 160 52011/1/11 女 15 6 男 165 72011/1/12 女 19 8 男 132 92011/1/13 女 16 10 男 167 112011/1/14 女 13 12 男 194 13.........................
小白继续追问道:那我能不能对多个列进行统计呢?现在只对id列进行统计,如果再把age列加进来,可以么?
Mr.林:这个同样可以有,不过如果还是计数的话,对id、age两列统计的结果是一样的,我们换成平均值统计试试,输入以下代码
1data.groupby(['reg_date','gender'])['id','age'].agg('mean')
执行后,得到的结果如下所示
1 id age 2reg_date gender 32011/1/1 男 100008.600000 29.200000 42011/1/10 女 101276.500000 36.333333 5 男 101295.262500 26.862500 62011/1/11 女 101617.400000 31.400000 7 男 101590.054545 26.636364 82011/1/12 女 101897.157895 28.157895 9 男 101874.174242 26.500000 102011/1/13 女 102122.625000 30.562500 11 男 102153.694611 27.101796 122011/1/14 女 102461.153846 32.384615 13 男 102482.067010 26.974227 14.........................
小白:太棒了,我还有个疑问,groupby那里跟后面id、age的中括号是什么意思呀?
Mr.林:中括号代表列表的意思,下次再详细告诉你,今天就到这,小白你回去要多多练习,多敲代码。
如果你喜欢本文,可以点击右下角在看
如果你在跟着学习,请在留言区留言:打卡
如果你刚看到本文,可以查看本系列历史文章跟着学习:
跟小白学Python数据分析——Anaconda安装
跟小白学Python数据分析——使用spyder
跟小白学Python数据分析——数据导入1
跟小白学Python数据分析——数据导入2
跟小白学Python数据分析——描述性统计分析
长按识别下方二维码,并关注公众号
回复“DR”获取案例数据
- 小白学 Python 数据分析(11):Pandas (十)数据分组
- 小白学 Python 数据分析(20):pyecharts 概述
- 小白学 Python 数据分析(14):Pandas (十三)数据导出
- 跟小白学Python数据分析——批量提取PDF表格数据
- 小白学 Python 数据分析(19):Matplotlib(四)常用图表(下)
- 小白学 Python 数据分析(13):Pandas (十二)数据表拼接
- 小白学 Python 数据分析(17):Matplotlib(二)基础操作
- 【Python数据分析学习笔记-9】数据分组和聚合-数据分组
- 小白学 Python 数据分析(18):Matplotlib(三)常用图表(上)
- 小白学 Python 数据分析(12):Pandas (十一)数据透视表(pivot_table)
- 飞桨学院-Python从小白逆袭大神-Day3-《青春有你2》选手数据分析
- python数据分析基础-数据分组
- 利用python进行数据分析之数据聚合和分组运算
- 小白学 Python 数据分析(10):Pandas (九)数据运算
- 利用python进行数据分析-pandas.concat/subplots/gropuby/pivot_table,多文件整合、聚合、分组,子图
- 小白学 Python 数据分析(17):Matplotlib(二)基础操作
- python的数据分析:pandas的分组聚合
- 小白学 Python 数据分析(9):Pandas (八)数据预处理(2)
- python/pandas数据分析(十五)-聚合与分组运算实例
- 小白Pycharm使用(6):如何使用 Python 开始建立你的数据分析项目