Python数据分析基础与应用电子活页6-8实现Pandas数据分组与聚合运算

Python数据分析基础与应用模块电子活页6-8实现pandas数据分组与数据聚合【技能训练6-18】实现pandas数据分组与数据聚合【训练要求】在JupyterNotebook开发环境中创建j6-18.ipynb，然后编写代码实现pandas数据分组与数据聚合。【实施过程】1．pandas数据分组（1）创建DataFrame对象创建一个DataFrame对象，其中包含两个小组学生的姓名、组别、性别、年龄和3门课程的成绩。代码如下：importnumpyasnpimportpandasaspddata1={'name':['安静','路远','温暖','向北','阳光','白雪','夏天','云朵'],'group':[1,1,1,1,2,2,2,2],'sex':['女','男','男','女','男','女','男','女'],'age':[21,20,19,22,23,18,20,22],'score1':[71,80,89,92,65,84,78,92.5],'score2':[82,72,96,88,93.5,83,77,68.5],'score3':[86.0,82.5,95.0,90.5,73,86.5,67,94]}label1=['stu1','stu2','stu3','stu4','stu5','stu6','stu7','stu8']df1=pd.DataFrame(data1,index=label1)df1输出结果：（2）创建groupby对象①根据一列分组。代码如下：#根据组别进行分组group1=df1.groupby('group')②根据多列分组。代码如下：#根据组别和性别进行分组group2=df1.groupby(['group','sex'])也可以指定多个列索引进行分组。（3）通过get_group()函数选择组内的具体数据项代码如下：#根据对应组的数据值，选择一个组print(group1.get_group(1))输出结果：（4）使用groups属性查看分组结果①查看根据一列分组的结果。代码如下：#查看分组print(df1.groupby('group').groups)输出结果：{1:['stu1','stu2','stu3','stu4'],2:['stu5','stu6','stu7','stu8']}②查看根据多列分组的结果。代码如下：#查看分组print(df1.groupby(['group','sex']).groups)输出结果：{(1,'女'):['stu1','stu4'],(1,'男'):['stu2','stu3'],(2,'女'):['stu6','stu8'],(2,'男'):['stu5','stu7']}（5）遍历分组数据使用for循环遍历分组数据。代码如下：forkey,nameingroup1:#其中key代表分组后字典的键，也就是groupprint(key)#各组对应的数据print(name)输出结果：1namegroupsexagescore1score2score3stu1安静1女2171.082.086.0stu2路远1男2080.072.082.5stu3温暖1男1989.096.095.0stu4向北1女2292.088.090.52namegroupsexagescore1score2score3stu5阳光2男2365.093.573.0stu6白雪2女1884.083.086.5stu7夏天2男2078.077.067.0stu8云朵2女2292.568.594.0groupby对象的组名与group列中的元素一一对应。2．pandas数据聚合（1）应用一个聚合函数求平均值代码如下：#应用一个聚合函数求平均值group1['score1'].agg(np.mean)输出结果：group183.000279.875Name:score1,dtype:float64上述代码中把score1作为分组键，将DataFrame对象拆分为1、2两个小组，然后调用mean()函数，使其分别作用于1、2两组中，计算每组的平均值，最后将计算结