Python数据分析与应用_从数据获取到可视化）（第2版）课件 第5章 数据聚合与分组运算.pptxVIP

第5章数据聚合与分组运算

《Python数据分析与应用：从数据获取到可视化(第2版)》

掌握分组方法的使用，能够通过groupby(方法按不同标准对数据进行分组

掌握分组信息的查看方式，能够通过多种方式查看分组的信息

了解分组与聚合的原理，能够说出分组与聚合的原理

熟悉内置统计方法的使用，能够通过统计方法聚合数据

学习目标/Target

掌握transform()方法的使用，能够通过transform()方法转换数据

掌握agg()方法的使用，能够通过agg()方法聚合数据

掌握apply(方法的使用，能够通过apply(方法聚合数据

学习目标/Target

在进行数据分析工作时，我们可能会遇到这样的场景：现在要求从日志数据中找出

每天访问次数最多的IP,这时需要先把所有的日志数据按天拆分成每天的日志数据，再对每天的日志数据进行统计运算，最后把所有的统计结果放到一起，这样便完成了最初设定的要求，这个过程中用到的思想就是分组与聚合——数据重组后再合并。pandas中提供了一些用于分组与聚合的方法，另外还提供一些其他的分组级运算，

本章将针对这些内容进行详细地讲解。

章节概述/Summary

01

02

03

04

05

分组与聚合的原理

分组操作

数据聚合

分组级运算

案例：篮球运动员信息分析

目录/Contents

5.1分组与聚合的原理

L山

以

+

333

学习目标

了解分组与聚合的原理，能够说出

分组与聚合的原理

5.1分组与聚合的原理

分组与聚合是数据分析工作中比较常见的操作，它主要

根据一定的拆分标准将原数据拆分成若干个分组，然后

对每个分组应用统计运算，并把运算后的结果合并到一

起，便于用户对不同分组的数据进行深入解读。

5.1分组与聚合的原理

分组与聚合的流程

拆分(split)

原数据按照一定的拆分标准被拆分为若干个分组。

合并(combine)

分组名称与标量值整合成新的对象。

应用(apply)

每个分组应用

某个函数或方

法进行相应的操作，并产生一个标量值。

5.1分组与聚合的原理

key

num

C

2

B

4

C

6

A

8

B

10

B

1

A

14

C

16

A

18

5.1分组与聚合的原理

A

8

A

14

A

18

B

4

B

10

B

1

A

18

B

10

C

16

A

18

B

10

按key列分组

找出最大值

合并最大值

原数据

L山

5.2

分组操作

以

333

学习目标

掌握groupby()方法的使用，能够通过groupby()方法按照不同的拆分标准对数据进行分组

5.2.1通过对数据进行分组

groupby()

groupby(by=None,axis=0,level=None,as_index=True,sort=Tr

ue,group_keys=True,squeeze=NoDefault.no_default,

observed=False,dropna=True)

by:用于确定分组的拆分标准。

axis:表示沿着行或列拆分，取值可以为0(默认)或‘index’和1或‘columns’,

其中0或‘index代表沿着行拆分，1或‘columns代表沿着列拆分。

pandas的Series类或DataFrame类中提供了一个用于实现分组操作的方法groupby(),该方法可以按照不同的拆分标准将数据拆分成若干个分组。

5.2.1通过对数据进行分组

语法格式

groupby()

groupby(by=None,axis=0,level=None,as_index=True,sort=Tr

ue,group_keys=True,squeeze=NoDefault.no_default,observed=False,dropna=True)

pandas的Series类或DataFrame类中提供了一个用于实现分组操作的方法

groupby(),该方法可以按照不同的拆分标准将数据拆分成若干个分组。

as_index:表示是否返回以分组标签作为索引的对象输出，默认值为True。

sort:表示是否对分组标签进行排序，默认值为True。

5.2.1通过对数据进行分组

语法格式

groupby()

groupby(by=None,axis=0,level=None,as_index=True,sort=Tr

ue,group_keys=True,squeeze=NoDefault.no_default,ob