python数据清洗--数据统计

最新推荐文章于 2023-02-26 15:27:12 发布

qiuqiu1027

最新推荐文章于 2023-02-26 15:27:12 发布

阅读量331

点赞数

CC 4.0 BY-SA版权

分类专栏：商业分析 python代码

本文链接：https://blog.csdn.net/qiuqiu1027/article/details/104999391

本文介绍了Python数据清洗中的数据分组运算，包括使用groupby方法进行分组计算，应用聚合函数agg进行统计分析，利用apply函数进行自定义操作，以及如何创建透视图和交叉表进行数据汇总。通过这些方法，可以有效地对数据集进行深入的统计分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 数据分组运算

在这里插入图片描述
分组计算根据某个或者某几个字段对数据集进行分组，然后运用特定的函数，得到结果
• 使用groupby方法进行分组计算，得到分组对象GroupBy
• 语法为df.groupby(by=)
• 分组对象GroupBy可以运用描述性统计方法, 如count、mean 、median、 max和min等
Group = loan_info.groupby(by = 'product’)
group1= loan_info.groupby(by = [‘product’,'jgmc’])
Group.mean()
Group.sum()
Group.max()

import pandas as pd
import numpy as np
import os
os.chdir(r'F:\CSDN\课程内容\代码和数据')
df = pd.read_csv('online_order.csv',encoding = 'gbk',dtype={'customer':str,'order':str})
df.dtypes
df.head(4)#查看数据
grouped = df.groupby('weekday') #创建分组对象,按照星期进行分组
grouped.mean() #调用方法
grouped.sum()['total_items']# 计算不同的星期，商品数量的总和
grouped = df.groupby(by =['customer','weekday'])#创建分组对象,按照用户和星期
grouped.sum()['total_items'].head(50) #调用方法,计算不同的用户周一到周天的订购商品数量的总和