分组聚合分析 - Pandas数据分析实战训练营

第一章分组与聚合基础

1.1 什么是分组聚合？

分组聚合是数据分析中的核心操作，它允许我们按特定类别对数据进行分组，然后对每个组进行统计计算。

分组（Group）：按一个或多个列的唯一值将数据分组
聚合（Aggregation）：对每个分组进行统计计算（求和、平均、计数等）
透视表（Pivot）：创建交叉表来展示多维聚合结果

💡 分组聚合是SQL中GROUP BY的Pandas实现，但更强大、更灵活。

1.2 基本分组操作

让我们学习使用groupby进行分组：

import pandas as pd
import numpy as np

data = {
    'category': ['电子产品', '服装', '电子产品', '服装', '食品'],
    'price': [1000, 200, 1500, 300, 50],
    'quantity': [5, 10, 8, 15]
}
df = pd.DataFrame(data)

print('原始数据:')
print(df)

💻 在线代码编辑器

import pandas as pd
import numpy as np

data = {
    'category': ['电子产品', '服装', '电子产品', '服装', '食品'],
    'price': [1000, 200, 1500, 300, 50],
    'quantity': [5, 10, 8, 15]
}
df = pd.DataFrame(data)

print('原始数据:')
print(df)

# 按类别分组计算总和
print('\\n按类别分组求和:')
grouped = df.groupby('category').sum()
print(grouped)

# 按类别分组计算平均值
print('\\n按类别分组求平均:')
grouped_mean = df.groupby('category').mean()
print(grouped_mean)

📤 输出结果

第二章聚合函数

2.1 常用聚合函数

Pandas提供了丰富的聚合函数供我们使用：

# 单个聚合函数
df.groupby('category').mean()

# 多个聚合函数
df.groupby('category').agg(['mean', 'sum', 'max', 'min', 'std'])

# 不同列应用不同聚合
agg_dict = {
    'price': ['mean', 'sum', 'max'],
    'quantity': ['sum', 'count']
}
df.groupby('category').agg(agg_dict)

2.2 自定义聚合函数

除了内置函数，我们还可以定义自己的聚合函数：

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

df.groupby('category').agg({
    'price': ['mean', range_func],
    'quantity': ['sum', 'count']
})

第三章多维度分组

3.1 多列分组

可以按多个列进行分组来获得更细粒度的分析：

data = {
    'category': ['电子产品', '电子产品', '服装', '服装', '服装'],
    'region': ['华东', '华北', '华东', '华北', '华南'],
    'price': [1000, 1500, 200, 300, 250],
    'quantity': [5, 8, 10, 15, 12]
}
df = pd.DataFrame(data)

# 按类别和地区分组
df.groupby(['category', 'region']).sum()

3.2 透视表和交叉表

使用pivot_table创建美观的透视表：

# 透视表
pd.pivot_table(df, 
    values='price', 
    index='category', 
    columns='region', 
    aggfunc='mean',
    fill_value=0)

# 交叉表 - 计数
pd.crosstab(df['category'], df['region'])

第四章分组后的操作

4.1 transform 方法

transform允许我们保持原始数据的形状：

# 计算每个类别的占比
df['category_total'] = df.groupby('category')['price'].transform('sum')
df['price_ratio'] = df['price'] / df['category_total']

4.2 apply 方法

apply可以对每个分组应用任意函数：

def top_items(group, n=2):
    return group.nlargest(n, 'price')

df.groupby('category').apply(top_items)

练习题（共5题）

练习 1：基本分组

按类别分组并计算销售额总和。

import pandas as pd

# 创建销售数据
data = {
    'category': ['电子产品', '服装', '电子产品', '服装', '食品', '电子产品'],
    'sales': [1000, 200, 1500, 300, 150, 800],
    'quantity': [5, 10, 8, 15, 20, 4]
}
df = pd.DataFrame(data)

print("原始数据:")
print(df)

# 按类别分组计算销售额总和
result = df.groupby('category')['sales'].sum()
print("\n按类别分组销售额总和:")
print(result)

📤 输出结果

练习 2：多个聚合

对同一列同时计算多个聚合指标。

import pandas as pd

data = {
    'category': ['A', 'B', 'A', 'B', 'A', 'B'],
    'value': [10, 20, 15, 25, 12, 18]
}
df = pd.DataFrame(data)

print("原始数据:")
print(df)

# 同时计算均值和总和
result = df.groupby('category')['value'].agg(['mean', 'sum', 'count'])
print("\n多个聚合结果:")
print(result)

📤 输出结果

练习 3：多列分组

按类别和地区两列进行分组分析。

import pandas as pd

data = {
    'category': ['电子产品', '电子产品', '服装', '服装', '食品'],
    'region': ['华东', '华北', '华东', '华北', '华东'],
    'sales': [1000, 800, 500, 600, 300]
}
df = pd.DataFrame(data)

print("原始数据:")
print(df)

# 按类别和地区分组
result = df.groupby(['category', 'region']).sum()
print("\n多列分组结果:")
print(result)

📤 输出结果

练习 4：不同列不同聚合

对不同列应用不同的聚合函数。

import pandas as pd

data = {
    'category': ['A', 'B', 'A', 'B', 'A', 'B'],
    'price': [100, 200, 150, 250, 120, 180],
    'quantity': [5, 3, 8, 4, 6, 2]
}
df = pd.DataFrame(data)

print("原始数据:")
print(df)

# 不同列应用不同聚合函数
result = df.groupby('category').agg({
    'price': 'mean',
    'quantity': ['sum', 'max']
})
print("\n不同列不同聚合:")
print(result)

📤 输出结果

练习 5：透视表

创建透视表展示数据。

import pandas as pd

data = {
    'category': ['电子产品', '电子产品', '服装', '服装', '食品', '食品'],
    'region': ['华东', '华北', '华东', '华北', '华东', '华北'],
    'sales': [1000, 800, 500, 600, 300, 400]
}
df = pd.DataFrame(data)

print("原始数据:")
print(df)

# 创建透视表
pivot = pd.pivot_table(
    df,
    values='sales',
    index='category',
    columns='region',
    aggfunc='sum',
    fill_value=0
)
print("\n透视表:")
print(pivot)

📤 输出结果

测试题（共 5 题，满分 100 分）

问题 1 / 5

groupby操作返回的是什么类型的对象？

问题 2 / 5

想要保持原始数据形状的分组操作，应该使用？

问题 3 / 5

count和size在groupby中的区别是？

问题 4 / 5

关于pivot_table说法正确的是？

问题 5 / 5

对分组应用复杂操作时，最灵活的方法是？

🎉

测试完成！

0分

太棒了！继续努力！

返回首页 →

作业提交

📝 分组聚合分析作业

请完成以下分组聚合任务：

1. 创建一个包含类别、地区、价格和数量的DataFrame
2. 按类别分组计算价格总和和数量平均值
3. 按类别和地区两列进行分组分析
4. 创建一个透视表展示数据

💻 作业代码提交

📤 代码运行结果