创作中心
反馈咨询
欢迎添加微信!
微信号:z_gqing
微信二维码:

pandas

1 pandas基础 1.1 pandas介绍与安装 1.2 pandas的Series和DataFrame的基本操作 1.3 pandas的Index对象的理解与使用 1.4 pandas的基本统计分析函数的使用 2 pandas的数据读取与存储 2.1 pandas的CSV、Excel等文件的读取与写入 2.2 pandas的SQL数据库的读取与写入 2.3 pandas的HDF5和其他二进制格式的读取与写入 2.4 利用pandas进行数据清洗 3 pandas的数据处理 3.1 pandas的数据选择:布尔索引、位置索引和标签索引 3.2 pandas的数据过滤与排序 3.3 pandas的缺失值处理 3.4 pandas的数据转换:apply(),map(),applymap() 3.5 pandas的数据重塑:stack(), unstack() 4 pandas的数据合并与连接 4.1 pandas的concat()与append() 4.2 pandas的merge()与join() 4.3 pandas的数据透视表pivot_table() 5 pandas的分组与聚合 5.1 pandas的groupby()方法的使用 5.2 pandas的聚合函数agg()和transform() 5.3 pandas的对分组结果进行筛选和排序 6 pandas的时间序列处理 6.1 pandas的时间序列的数据结构:Timestamp和Period 6.2 pandas的时间序列的索引:DatetimeIndex 6.3 pandas的时间序列的操作:resample(), shift(), rolling() 6.4 pandas的时间序列的平移、对齐与频率转换 7 绘图与可视化 7.1 matplotlib库的介绍与使用 7.2 seaborn库的介绍与使用 7.3 pandas内置绘图函数的使用 8 进阶主题 8.1 大数据处理:Dask与Pandas 8.2 性能优化:numexpr与cython 8.3 使用pandas进行机器学习预处理
首页 教程 pandas pandas的分组与聚合
Pandas是一个强大的Python数据分析库,它提供了许多用于数据处理和分析的功能。其中,分组与聚合是Pandas中非常重要的功能。 分组(Grouping)是指根据一个或多个列的值将数据分成多个组的过程。例如,如果你有一个包含学生信息的数据集,你可以根据学生的年级进行分组,这样每个组都包含同一年级的学生。 聚合(Aggregation)是指对每个组执行某种操作,以生成新的结果。例如,你可以计算每个年级的平均年龄,或者找到每个年级的最高分数。 在Pandas中,可以使用`groupby()`函数来实现分组,然后使用聚合函数(如`mean()`、`sum()`、`max()`等)来实现聚合。例如: ```python df.groupby('grade').mean() # 计算每个年级的平均分数 df.groupby('grade').max() # 找到每个年级的最高分数 ``` 此外,Pandas还提供了更复杂的分组和聚合功能,如多层次分组、应用自定义函数等。

官方微信
点击收藏 编辑日记
木牛零码 Newmer生信 公司产品 意见反馈 联系我们 关于我们 招合伙-招聘-兼职
Copyright © 2021-2024 上海牛马人生物科技有限公司 沪ICP备 2022007390号-2