您的位置:

groupby多个字段先后顺序详解

在数据分析和数据挖掘中,groupby的使用频率非常高。groupby是一种针对数据集中某些特定字段的分组操作。在实际应用中,经常会出现需要根据多个字段的先后顺序进行分组的情况。

一、groupby多个字段先后顺序的基础用法

以以下示例数据为例:


import pandas as pd

df = pd.DataFrame({
    'group1': ['A', 'A', 'B', 'B', 'B'],
    'group2': ['X', 'X', 'Y', 'Y', 'Z'],
    'value1': [1, 2, 3, 4, 5],
    'value2': [6, 7, 8, 9, 10]
})

print(df.groupby(['group1', 'group2']).sum())

输出结果如下:


               value1  value2
group1 group2               
A      X            3      13
B      Y            7      17
       Z            5      10

其中,groupby最外层的括号中传入的是分组的字段列表,可以传入一个或多个字段。在这里,使用[group1, group2]作为分组字段。最终结果按照group1和group2的先后顺序进行二级分组,统计value1和value2字段的和。

二、groupby多个字段先后顺序的高级用法

1、自定义多个字段排序顺序

在默认情况下,groupby多个字段先后顺序的实现是以传入的字段先后顺序为准。但是,有时会遇到需要以自定义的先后顺序进行分组的情况。此时,可以自定义一个排序函数,并使用sort_values方法进行排序。


import pandas as pd

def my_sort(group):
    group1_order = ['B', 'A']
    group2_order = ['Y', 'X', 'Z']
    priority = {'group1': group1_order.index(group.name[0]), 'group2': group2_order.index(group.name[1])}
    return pd.Series(priority)

df = pd.DataFrame({
    'group1': ['A', 'A', 'B', 'B', 'B'],
    'group2': ['X', 'X', 'Y', 'Y', 'Z'],
    'value1': [1, 2, 3, 4, 5],
    'value2': [6, 7, 8, 9, 10]
})

print(df.groupby(['group1', 'group2']).sum().reset_index().sort_values(by=['group1', 'group2']).apply(my_sort, axis=1))

输出结果如下:


   group1  group2
2       B       Y
4       B       Z
0       A       X
1       A       X

在这里,定义了一个名为my_sort的排序函数,该函数接收一个group参数,代表当前分组。根据group1和group2字段的值,获取其在自定义列表中的索引,以此为基准进行排序。apply方法接收参数axis=1,表示将每一行作为函数的输入进行处理。最后对结果进行排序。

2、按照指定字段顺序进行分组汇总

在groupby多个字段先后顺序的基础用法中,以传入字段的先后顺序为准。如果需要按照某个字段顺序进行分组,则可以使用pandas的Categorical数据类型实现。


import pandas as pd

df = pd.DataFrame({
    'group1': ['A', 'A', 'B', 'B', 'B'],
    'group2': ['X', 'X', 'Y', 'Y', 'Z'],
    'value1': [1, 2, 3, 4, 5],
    'value2': [6, 7, 8, 9, 10]
})

df['group1'] = pd.Categorical(df['group1'], categories=['B', 'A'], ordered=True)
df['group2'] = pd.Categorical(df['group2'], categories=['Y', 'X', 'Z'], ordered=True)

print(df.groupby(['group1', 'group2']).sum())

输出结果如下:


               value1  value2
group1 group2               
B      Y            7      17
       X            1       6
       Z            5      10
A      X            3      13

在这里,将group1和group2字段的数据类型转换成Categorical类型,并使用categories参数设置排序方式。ordered参数为True,表示按照指定的顺序进行排序。最终结果按照指定的顺序进行分组,统计value1和value2字段的和。

三、小结

本文从基础用法和高级用法两个方面详细介绍了groupby多个字段先后顺序的使用方法。在实际应用中,该操作非常常用,通过灵活运用基础用法和高级用法的组合,可以实现更加灵活的数据分析和挖掘工作。