Pandas是Python语言的一个扩大程序库，被广泛应用于数据分析。在数据分析工作中，如果要将数据依据某个（多个）字段划分为不同的组（group），则须要用到Pandas的groupby办法。 在对不同的组进行求和操作时，咱们既能够间接应用sum()函数，也能够应用agg聚合函数。这两种办法有什么区别呢？哪种办法会更好？ 举个简略的例子：
df = pd.DataFrame({"Fruits":["apple","banana","apple","pear","apple","banana"],"Numbers":[5,8,9,3,4,5]})
df的值如下所示：
咱们依据水果的品种进行分组，来求取每种水果的数量总和。 1、间接应用sum()函数
df0 = df.groupby(['Fruits'])['Numbers'].sum() df0
失去的后果：
咱们留神，失去的后果只有索引，而没有列名，后果是Series类型。
2、应用聚合函数agg
DataFrame.agg（func，axis = 0，* args，** kwargs ）
参数func采纳字典模式：{‘行名/列名’：‘函数名’}，其应用指定轴上的一个或多个操作进行聚合。
df1 = df.groupby(['Fruits']).agg({"Numbers":"sum"})
df1
失去的后果：
此次失去的后果既有索引又有列名，因而是DataFrame类型。 pandas分组求和的两种办法，失去的后果类型是不一样的。因而，咱们在应用pandas进行分组求和的时候，须要留神这两种办法的区别。集体更举荐应用agg聚合函数，因为这种办法更扼要易懂。
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：关于python:pandas分组求和两种方法的比较
转载请注明原文链接：关于python:pandas分组求和两种方法的比较
