Метод groupby

Метод groupby применяется к DataFrame и возвращает объект DataFrameGroupBy, который позволяет выполнять группировку данных по одному или нескольким столбцам. Первым параметром передаются столбцы для группировки, вторым можно указать агрегирующую функцию.

Синтаксис

df.groupby(by[, axis][, as_index][, sort])

Пример

Давайте сгруппируем данные по столбцу 'a' и посчитаем сумму в каждой группе:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 1, 2, 2, 3],
	'b': [10, 20, 30, 40, 50]
})
res = df.groupby('a').sum()
print(res)

Результат выполнения кода:

Пример

Давайте сгруппируем данные по двум столбцам и применим несколько агрегирующих функций:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 1, 2, 2, 3],
	'b': [10, 10, 30, 40, 50],
	'c': [100, 200, 300, 400, 500]
})
res = df.groupby(['a', 'b']).agg(['sum', 'mean'])
print(res)

Результат выполнения кода:

  c	  
		   sum   mean
		a b			
		1 10 300 150.0
		2 30 300 300.0
		   40 400 400.0
		3 50 500 500.0

Пример

Давайте применим пользовательскую функцию к каждой группе:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 1, 2, 2, 3],
	'b': [10, 20, 30, 40, 50]
})

def custom_agg(x):
	return x.max() - x.min()

res = df.groupby('a').agg(custom_agg)
print(res)

Результат выполнения кода:

Пример

Давайте отключим использование индекса для столбцов группировки:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 1, 2, 2, 3],
	'b': [10, 20, 30, 40, 50]
})
res = df.groupby('a', as_index=False).sum()
print(res)

Результат выполнения кода:

Смотрите также

метод pivot_table,
который создаёт сводную таблицу
метод aggregate,
который применяет агрегирующие функции к данным
метод apply,
который применяет функцию к данным
метод transform,
который преобразует данные в рамках групп