データフレームがdfあり、そこからいくつかの列を使用してgroupby：
df['col1','col2','col3','col4'].groupby(['col1','col2']).mean()上記の方法で、必要なテーブル（データフレーム）をほぼ取得します。欠けているのは、各グループの行数を含む追加の列です。言い換えれば、私には意地悪がありますが、これらの手段を得るために使用された数の数も知りたいのです。たとえば、最初のグループには8つの値があり、2番目のグループには10というように続きます。
つまり、データフレームのグループごとの統計情報を取得するにはどうすればよいですか？
回答:
上のgroupbyオブジェクト、agg関数は、リストを取ることができ、いくつかの集計方法を適用し、一度に。これにより、必要な結果が得られます。
df[['col1', 'col2', 'col3', 'col4']].groupby(['col1', 'col2']).agg(['mean', 'count'])countグループごとに1 つの列のみを取得する場合は、私の回答を参照してください。
result = df['col1','col2','col3','col4'].groupby(['col1', 'col2']).mean() ; counts = times.groupby(['col1', 'col2']).size() ; result['count'] = counts
グループごとの行数を取得する最も簡単な方法は、を呼び出す.size()ことSeriesです。
df.groupby(['col1','col2']).size()
通常、この結果はDataFrame（の代わりにSeries）にする必要があるため、次のことができます。
df.groupby(['col1', 'col2']).size().reset_index(name='counts')
各グループの行数と他の統計の計算方法を知りたい場合は、以下をお読みください。
次のデータフレームの例を検討してください。
In [2]: df
Out[2]:
col1 col2 col3 col4 col5 col6
0 A B 0.20 -0.61 -0.49 1.49
1 A B -1.53 -1.01 -0.39 1.82
2 A B -0.44 0.27 0.72 0.11
3 A B 0.28 -1.32 0.38 0.18
4 C D 0.12 0.59 0.81 0.66
5 C D -0.13 -1.65 -1.64 0.50
6 C D -1.42 -0.11 -0.18 -0.44
7 E F -0.00 1.42 -0.26 1.17
8 E F 0.91 -0.47 1.35 -0.34
9 G H 1.48 -0.63 -1.14 0.17まず.size()、行数を取得するために使用しましょう：
In [3]: df.groupby(['col1', 'col2']).size()
Out[3]:
col1 col2
A B 4
C D 3
E F 2
G H 1
dtype: int64次に.size().reset_index(name='counts')、行数を取得するために使用しましょう：
In [4]: df.groupby(['col1', 'col2']).size().reset_index(name='counts')
Out[4]:
col1 col2 counts
0 A B 4
1 C D 3
2 E F 2
3 G H 1グループ化されたデータの統計を計算する場合、通常は次のようになります。
In [5]: (df
...: .groupby(['col1', 'col2'])
...: .agg({
...: 'col3': ['mean', 'count'],
...: 'col4': ['median', 'min', 'count']
...: }))
Out[5]:
col4 col3
median min count mean count
col1 col2
A B -0.810 -1.32 4 -0.372500 4
C D -0.110 -1.65 3 -0.476667 3
E F 0.475 -0.47 2 0.455000 2
G H -0.630 -0.63 1 1.480000 1上記の結果は、ネストされた列ラベルのため、および行数が列ごとに基づいているため、処理が少し面倒です。
出力をより詳細に制御するために、私は通常、統計を個別の集計に分割してから、を使用して結合しjoinます。次のようになります。
In [6]: gb = df.groupby(['col1', 'col2'])
...: counts = gb.size().to_frame(name='counts')
...: (counts
...: .join(gb.agg({'col3': 'mean'}).rename(columns={'col3': 'col3_mean'}))
...: .join(gb.agg({'col4': 'median'}).rename(columns={'col4': 'col4_median'}))
...: .join(gb.agg({'col4': 'min'}).rename(columns={'col4': 'col4_min'}))
...: .reset_index()
...: )
...:
Out[6]:
col1 col2 counts col3_mean col4_median col4_min
0 A B 4 -0.372500 -0.810 -1.32
1 C D 3 -0.476667 -0.110 -1.65
2 E F 2 0.455000 0.475 -0.47
3 G H 1 1.480000 -0.630 -0.63テストデータの生成に使用されるコードを以下に示します。
In [1]: import numpy as np
...: import pandas as pd
...:
...: keys = np.array([
...: ['A', 'B'],
...: ['A', 'B'],
...: ['A', 'B'],
...: ['A', 'B'],
...: ['C', 'D'],
...: ['C', 'D'],
...: ['C', 'D'],
...: ['E', 'F'],
...: ['E', 'F'],
...: ['G', 'H']
...: ])
...:
...: df = pd.DataFrame(
...: np.hstack([keys,np.random.randn(10,4).round(2)]),
...: columns = ['col1', 'col2', 'col3', 'col4', 'col5', 'col6']
...: )
...:
...: df[['col3', 'col4', 'col5', 'col6']] = \
...: df[['col3', 'col4', 'col5', 'col6']].astype(float)
...:
免責事項：
集計する列の一部にnull値がある場合、グループの行数を各列の独立した集計として表示する必要があります。そうしないと、パンダがNaN平均計算のエントリを通知せずにドロップするため、平均などの計算に実際に使用されているレコードの数について誤解される可能性があります。
In [5]: counts_df = pd.DataFrame(df.groupby('col1').size().rename('counts'))あなたはさらなる分析のためのデータフレームを操作したい場合は、新しいカラム）多分（サイズを設定すると良いでしょう、であるべきであるcounts_df = pd.DataFrame(df.groupby('col1').size().reset_index(name='counts')
isnullこのクエリに追加して1つの列にも含める方法のヒントを教えてください。'col4': ['median', 'min', 'count', 'isnull']
GroupBy.describe戻り値count、mean、std、および他の有用な統計ごとのグループ。
df.groupby(['col1', 'col2'])['col3', 'col4'].describe()# Setup
np.random.seed(0)
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
'foo', 'bar', 'foo', 'foo'],
'B' : ['one', 'one', 'two', 'three',
'two', 'two', 'one', 'three'],
'C' : np.random.randn(8),
'D' : np.random.randn(8)})from IPython.display import display
with pd.option_context('precision', 2):
display(df.groupby(['A', 'B'])['C'].describe())
count mean std min 25% 50% 75% max
A B
bar one 1.0 0.40 NaN 0.40 0.40 0.40 0.40 0.40
three 1.0 2.24 NaN 2.24 2.24 2.24 2.24 2.24
two 1.0 -0.98 NaN -0.98 -0.98 -0.98 -0.98 -0.98
foo one 2.0 1.36 0.58 0.95 1.15 1.36 1.56 1.76
three 1.0 -0.15 NaN -0.15 -0.15 -0.15 -0.15 -0.15
two 2.0 1.42 0.63 0.98 1.20 1.42 1.65 1.87特定の統計を取得するには、それらを選択するだけです。
df.groupby(['A', 'B'])['C'].describe()[['count', 'mean']]
count mean
A B
bar one 1.0 0.400157
three 1.0 2.240893
two 1.0 -0.977278
foo one 2.0 1.357070
three 1.0 -0.151357
two 2.0 1.423148describe複数の列のための作品（変化['C']へ['C', 'D']-または完全-し、それを削除する何が起こるか見て、結果はMultiIndexedでカラムデータフレームです）。
文字列データのさまざまな統計も取得します。ここに例があります
df2 = df.assign(D=list('aaabbccc')).sample(n=100, replace=True)with pd.option_context('precision', 2):
display(df2.groupby(['A', 'B'])
.describe(include='all')
.dropna(how='all', axis=1))
C D
count mean std min 25% 50% 75% max count unique top freq
A B
bar one 14.0 0.40 5.76e-17 0.40 0.40 0.40 0.40 0.40 14 1 a 14
three 14.0 2.24 4.61e-16 2.24 2.24 2.24 2.24 2.24 14 1 b 14
two 9.0 -0.98 0.00e+00 -0.98 -0.98 -0.98 -0.98 -0.98 9 1 c 9
foo one 22.0 1.43 4.10e-01 0.95 0.95 1.76 1.76 1.76 22 2 a 13
three 15.0 -0.15 0.00e+00 -0.15 -0.15 -0.15 -0.15 -0.15 15 1 c 15
two 26.0 1.49 4.48e-01 0.98 0.98 1.87 1.87 1.87 26 2 b 15詳細については、ドキュメントを参照してください。
groupbyとcountを使用して簡単に行うことができます。ただし、reset_index（）を使用することを忘れないでください。
df[['col1','col2','col3','col4']].groupby(['col1','col2']).count().\
reset_index()
df[['col1','col2','col3','col4']].groupby(['col1','col2']).agg(['mean', 'count'])