Pandas 数据排序与聚合

数据排序与聚合是数据分析中非常常见且重要的操作，特别是在大数据集中的数据分析时。

排序帮助我们按特定标准对数据进行排列，而聚合则让我们对数据进行汇总，计算出各种统计量。

Pandas 提供了强大的排序和聚合功能，能够帮助分析人员高效地处理数据。

操作	方法	说明	常用函数/方法
排序	`sort_values(by, ascending)`	根据某列的值进行排序，`ascending` 控制升降序	`df.sort_values(by='column')`
排序	`sort_index(axis)`	根据行或列的索引进行排序	`df.sort_index(axis=0)`
分组聚合	`groupby(by)`	按照某列进行分组后，应用聚合函数	`df.groupby('column')`
聚合函数	`agg()`	聚合函数，如 `sum()`、`mean()`、`count()` 等	`df.groupby('column').agg({'value': 'sum'})`
多重聚合	`agg([func1, func2])`	对同一列应用多个聚合函数	`df.groupby('column').agg({'value': ['mean', 'sum']})`
分组后排序	`apply(lambda x: x.sort_values(...))`	在分组后进行排序	`df.groupby('column').apply(lambda x: x.sort_values(...))`
透视表	`pivot_table()`	创建透视表，根据行、列进行数据汇总

一、数据排序（Sorting）

排序是指将数据按某个列的值进行升序或降序排列。Pandas 提供了两种主要的方法来进行排序：sort_values() 和 sort_index()。

排序方法

sort_values()：根据列的值进行排序。
sort_index()：根据行或列的索引进行排序。

实例

操作	方法	说明	示例
按值排序	`df.sort_values(by, ascending)`	按照指定的列（`by`）排序，`ascending` 控制升序或降序，默认为升序	`df.sort_values(by='Age', ascending=False)`
按索引排序	`df.sort_index(axis)`	按照行或列的索引排序，`axis` 控制按行或列排序	`df.sort_index(axis=0)`

sort_values() 示例:

实例

import pandas as pd

# 示例数据
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Age': [25, 30, 35, 40],
'Salary': [50000, 60000, 70000, 80000]}

df = pd.DataFrame(data)

# 按照 "Age" 列的值进行降序排序
df_sorted = df.sort_values(by='Age', ascending=False)
print(df_sorted)

输出：

Name  Age  Salary
3    David   40   80000
2  Charlie   35   70000
1      Bob   30   60000
0    Alice   25   50000

sort_index() 示例:

实例

# 按照行索引进行排序
df_sorted_by_index = df.sort_index(axis=0)
print(df_sorted_by_index)

输出：

      Name  Age  Salary
0    Alice   25   50000
1      Bob   30   60000
2  Charlie   35   70000
3    David   40   80000

二、数据聚合（Aggregation）

聚合是将数据按某些规则进行汇总，通常是对某些列的数据进行求和、求平均数、求最大值、求最小值等操作。Pandas 提供了groupby()方法来对数据进行分组，然后应用不同的聚合函数。

聚合方法

groupby()：按某些列分组。
聚合函数：如 sum(), mean(), count(), min(), max(), std() 等。

实例

操作	方法	说明	示例
按列分组并聚合	`df.groupby(by).agg()`	按指定列（`by`）进行分组，`agg()` 可以传入不同的聚合函数，进行多种操作	`df.groupby('Department').agg({'Salary': 'mean'})`
多重聚合函数应用	`df.groupby(by).agg([func1, func2])`	可以对同一列应用多个聚合函数，返回多种聚合结果	`df.groupby('Department').agg({'Salary': ['mean', 'sum']})`

groupby() 示例:

实例

import pandas as pd

# 示例数据
data = {'Department': ['HR', 'Finance', 'HR', 'IT', 'IT'],
'Employee': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
'Salary': [50000, 60000, 55000, 70000, 75000]}

df = pd.DataFrame(data)

# 按照部门分组，并计算每个部门的平均薪资
grouped = df.groupby('Department')['Salary'].mean()
print(grouped)

输出：

Department
Finance    60000.0
HR         52500.0
IT         72500.0
Name: Salary, dtype: float64

多重聚合函数应用:

实例

# 按照部门分组，并计算每个部门的薪资的平均值和总和
grouped_multiple = df.groupby('Department').agg({'Salary': ['mean', 'sum']})
print(grouped_multiple)

输出：

              Salary           
               mean    sum
Department                  
Finance    60000.0  60000
HR         52500.0  105000
IT         72500.0  145000

三、分组后的排序

聚合后的数据可以进一步按某列的值进行排序，这样可以找出特定组中最重要的值。

分组后排序

操作	方法	说明	示例
分组后排序	`df.groupby(by).apply(lambda x: x.sort_values(by='col'))`	在每个分组内部按照某列的值进行排序。	`df.groupby('Department').apply(lambda x: x.sort_values(by='Salary', ascending=False))`

分组后排序示例:

实例

# 按照部门分组后，按薪资降序排序
grouped_sorted = df.groupby('Department').apply(lambda x: x.sort_values(by='Salary', ascending=False))
print(grouped_sorted)

输出：

    Department Employee  Salary
Department                     
Finance     Bob   60000
HR          Charlie  55000
HR          Alice  50000
IT          Eve   75000
IT          David  70000

四、透视表

透视表（Pivot Table）是一个特殊的聚合方式，可以让我们通过行、列和聚合函数对数据进行快速汇总，类似于 Excel 中的透视表。

实例

操作	方法	说明	示例
创建透视表	`df.pivot_table(values, index, columns, aggfunc)`	用指定的列进行行、列分类汇总，`values` 是需要聚合的值，`aggfunc` 是聚合函数	`df.pivot_table(values='Salary', index='Department', aggfunc='mean')`

透视表示例：

实例

# 使用 pivot_table 计算每个部门的薪资平均值
pivot_table = df.pivot_table(values='Salary', index='Department', aggfunc='mean')
print(pivot_table)

输出：

Department
Finance    60000.0
HR         52500.0
IT         72500.0
Name: Salary, dtype: float64

返回顶部

菜鸟教程

Pandas 数据排序与聚合

一、数据排序（Sorting）

排序方法

实例

实例

实例

二、数据聚合（Aggregation）

聚合方法

实例

实例

实例

三、分组后的排序

分组后排序

实例

四、透视表

实例

实例