以此为例
一.groupby
参数名 |
接受 |
含义 |
默认 |
by |
List string mapping generator |
1.若为函数,则对索引进行计算并分组 2.若为字典/series,则将字典/series的值做为分组依据 3.若为Numpy数组,则以数组元素为分组依据 4.若为字符串/字符串列表,则以其所代表的字段进行分组 |
无 |
axis |
Int |
表示操作轴向 |
0 |
level |
Int / 索引名 |
标签所在级别 |
None |
as_index |
Boolean |
聚合后的聚合标签是否以DataFrame输出 |
Ture |
group_keys |
Boolean |
是否显示标签名称 |
Ture |
squeeze |
Boolean |
是否在允许的情况下对返回数据降维 |
False |
1.groupby转化
DataFrame.groupby(by='列名')
示例
二.数据拆分
函数名 |
作用 |
示例 |
count |
计算数组数目 |
|
head |
返回每组前n个值 |
|
mean |
返回每个组的均值 |
|
median |
返回每个组的中位数 |
|
cumcount |
对组成员进行标记 |
|
size |
返回每个组的大小 |
|
max |
返回每个组最大值 |
|
min |
返回每个组最小值 |
|
std |
返回每个组标准错 |
|
sum |
返回每个组和 |
|
三.聚合
1.agg/aggregate
参数名称 |
接收 |
意义 |
默认 |
func |
List/dict/function |
用于每行或每列 |
无 |
axis |
0/1 |
0行1列 |
0 |
(1)具体聚合
agg({'列名':'数学函数' })
聚合内容重命名
agg({'列名':('新列名','数学函数') })
(2)同类聚合
agg({数学函数1,数学函数2,.....数学函数n})
2.apply
参数名称 |
接收 |
意义 |
默认 |
func |
List/dict/function |
用于每行或每列 |
无 |
axis |
0/1 |
0行1列 |
0 |
Broadcast |
Boolean |
是否广播 |
Flas |
Raw |
Boolean |
是否将ndarray穿给函数 |
Flas |
Reduce |
Boolean/None |
返回值格式 |
None |
(1)同类聚合
apply(数学函数)
|