667

データフレームがdfあり、そこからいくつかの列を使用してgroupby:

df['col1','col2','col3','col4'].groupby(['col1','col2']).mean()

上記の方法で、必要なテーブル (データ フレーム) をほぼ取得します。欠けているのは、各グループの行数を含む追加の列です。言い換えれば、私は意地悪をしていますが、これらの手段を取得するために使用された数も知りたいです。たとえば、最初のグループには 8 つの値があり、2 番目のグループには 10 というように続きます。

要するに、データフレームのグループごとの統計を取得するにはどうすればよいですか?

4

8 に答える 8

101

スイスアーミーナイフ：GroupBy.describe

count、mean、std、およびグループごとのその他の有用な統計を返します。

df.groupby(['A', 'B'])['C'].describe()

           count  mean   std   min   25%   50%   75%   max
A   B                                                     
bar one      1.0  0.40   NaN  0.40  0.40  0.40  0.40  0.40
    three    1.0  2.24   NaN  2.24  2.24  2.24  2.24  2.24
    two      1.0 -0.98   NaN -0.98 -0.98 -0.98 -0.98 -0.98
foo one      2.0  1.36  0.58  0.95  1.15  1.36  1.56  1.76
    three    1.0 -0.15   NaN -0.15 -0.15 -0.15 -0.15 -0.15
    two      2.0  1.42  0.63  0.98  1.20  1.42  1.65  1.87

特定の統計情報を取得するには、それらを選択するだけです。

df.groupby(['A', 'B'])['C'].describe()[['count', 'mean']]

           count      mean
A   B                     
bar one      1.0  0.400157
    three    1.0  2.240893
    two      1.0 -0.977278
foo one      2.0  1.357070
    three    1.0 -0.151357
    two      2.0  1.423148

注: 1 つまたは 2 つの統計情報のみを計算する必要がある場合は、groupby.aggそれらの列を使用して計算する方が高速である可能性があります。そうしないと、無駄な計算を実行することになります。

describe複数の列で機能します（変更['C']する['C', 'D']か、完全に削除して、何が起こるかを確認してください。結果は、MultiIndexed列化されたデータフレームです）。

また、文字列データのさまざまな統計も取得します。これが例です。

df2 = df.assign(D=list('aaabbccc')).sample(n=100, replace=True)

with pd.option_context('precision', 2):
    display(df2.groupby(['A', 'B'])
               .describe(include='all')
               .dropna(how='all', axis=1))

              C                                                   D                
          count  mean       std   min   25%   50%   75%   max count unique top freq
A   B                                                                              
bar one    14.0  0.40  5.76e-17  0.40  0.40  0.40  0.40  0.40    14      1   a   14
    three  14.0  2.24  4.61e-16  2.24  2.24  2.24  2.24  2.24    14      1   b   14
    two     9.0 -0.98  0.00e+00 -0.98 -0.98 -0.98 -0.98 -0.98     9      1   c    9
foo one    22.0  1.43  4.10e-01  0.95  0.95  1.76  1.76  1.76    22      2   a   13
    three  15.0 -0.15  0.00e+00 -0.15 -0.15 -0.15 -0.15 -0.15    15      1   c   15
    two    26.0  1.49  4.48e-01  0.98  0.98  1.87  1.87  1.87    26      2   b   15

詳細については、ドキュメントを参照してください。

パンダ >= 1.1:DataFrame.value_counts

これは、すべてのグループのサイズをキャプチャするだけの場合は、pandas 1.1 から利用できます。これによりGroupBy、より高速になります。

df.value_counts(subset=['col1', 'col2'])

最小限の例

# Setup
np.random.seed(0)
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
                          'foo', 'bar', 'foo', 'foo'],
                   'B' : ['one', 'one', 'two', 'three',
                          'two', 'two', 'one', 'three'],
                   'C' : np.random.randn(8),
                   'D' : np.random.randn(8)})

df.value_counts(['A', 'B']) 

A    B    
foo  two      2
     one      2
     three    1
bar  two      1
     three    1
     one      1
dtype: int64

その他の統計分析ツール

上記で探していたものが見つからなかった場合、ユーザー ガイドには、サポートされている静的分析、相関、および回帰ツールの包括的なリストがあります。

于 2019-04-07T22:38:50.067 に答える