python使用groupby之后怎么給分組之后的列名？Pandas提供靈活高效的分組功能，使您能夠以自然的方式對(duì)數(shù)據(jù)集進(jìn)行切片、切片和匯總?；谝粋€(gè)或多個(gè)鍵（可以是函數(shù)、數(shù)組或數(shù)據(jù)幀列名）拆分pan

python使用groupby之后怎么給分組之后的列名？

Pandas提供靈活高效的分組功能，使您能夠以自然的方式對(duì)數(shù)據(jù)集進(jìn)行切片、切片和匯總?；谝粋€(gè)或多個(gè)鍵（可以是函數(shù)、數(shù)組或數(shù)據(jù)幀列名）拆分panda對(duì)象。計(jì)算組摘要統(tǒng)計(jì)信息，例如計(jì)數(shù)、平均值、標(biāo)準(zhǔn)差或用戶定義的函數(shù)。對(duì)數(shù)據(jù)幀的列應(yīng)用各種函數(shù)。應(yīng)用組內(nèi)變換或其他操作，例如歸一化、線性回歸、排序或子集選擇。計(jì)算數(shù)據(jù)透視表或交叉表。分位數(shù)分析和其他分組分析。R 1。首先，讓我們看一下以下非常簡(jiǎn)單的表格數(shù)據(jù)集（以數(shù)據(jù)幀的形式）：
123456789101112
Import panda as PD>>>；DF=pd.數(shù)據(jù)幀（{“key1”：[“a”，“a”，“b”，“b”，“a”]。。。“鍵2”：[“1”，“2”，“1”，“2”，“1”]。。。“數(shù)據(jù)1”：np.random.隨機(jī)(5)，... “數(shù)據(jù)2”：np.random.隨機(jī)（5） }）>> DF data1 data2 key1 key20-0.410673 0.519378 a One1-2.120793 0.199074 a two2 0.642216-0.143671 B one3 0.975133-0.592994 B two4-1.017495-0.530459 a one grouped=DF[“data1”].groupby（DF[“key1”]）>> grouped

groupby是一個(gè)分組查詢。通常，groupby與聚合函數(shù)結(jié)合使用。您可以考慮如何顯示具有不同內(nèi)容的其他字段，例如ab1aa1bb1ccselecta和bfromtable groupbya。這個(gè)查詢的結(jié)果是什么，如何把a(bǔ)baa1bbccc右邊的三個(gè)項(xiàng)目變成一個(gè)，所以我們需要使用聚合函數(shù)，比如select a，count（b）quantity from table group by a，結(jié)果是a的個(gè)數(shù)是13。groupby中有一個(gè)原則，即在select之后的所有列中，沒有聚合函數(shù)的列必須出現(xiàn)在groupby之后

IPython和python是并行的。

也就是說：您當(dāng)前在python shell中，退出。返回到CMD或terminal，然后IPython--pylab

選擇列表項(xiàng)中不存在的列可以出現(xiàn)在group by的列表項(xiàng)中，反之亦然。出現(xiàn)在選擇列表項(xiàng)中的列必須全部出現(xiàn)在group by之后（聚合函數(shù)除外）

group by通常與聚合函數(shù)一起使用，例如count sum AVG等，使用group by的兩個(gè)元素：

（1）出現(xiàn)在選擇之后的字段要么在聚合函數(shù)中，要么在group by中。

（2）到過濾結(jié)果，可以使用where first、then group by或group by first使用panda進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析時(shí)，可能不知道如何保存groupby函數(shù)的分組結(jié)果。我的解決方案是：通過reset index（）函數(shù)可以將groupby（）的分組結(jié)果轉(zhuǎn)換成dataframe對(duì)象，這樣就可以保存了

代碼示例：out xlsx=in f name“-組.xlsx“數(shù)據(jù)框組=數(shù)據(jù)框groupby（[“促銷計(jì)劃”、“促銷組”]。描述（）。重置索引（）組.toexcel（outuxlsx，sheetuname=“Sheet1”，index=False）