3.2.4　數(shù)據(jù)聚合

數(shù)據(jù)聚合通常是要使每一個(gè)數(shù)組生成一個(gè)單一的數(shù)值，以便后續(xù)查看和分析結(jié)果，比如我們會(huì)查看每月的支出情況，計(jì)算當(dāng)月或每天的平均支出等。

數(shù)據(jù)聚合的一般流程如下：

1）按某字段對(duì)數(shù)據(jù)進(jìn)行分組拆分；

2）對(duì)不同組的數(shù)據(jù)應(yīng)用不同的聚合函數(shù)進(jìn)行轉(zhuǎn)換；

3）把不同組得到的結(jié)果合并起來。

總結(jié)來說，即“拆分→應(yīng)用→合并”這樣一個(gè)過程。我們可以通過groupby函數(shù)來完成此類操作，還是以前面的用戶畫像數(shù)據(jù)為例，部分?jǐn)?shù)據(jù)樣例如圖3-6所示。

圖3-6　廣告用戶畫像部分?jǐn)?shù)據(jù)樣例

例如現(xiàn)在要對(duì)System列進(jìn)行分組，計(jì)算Num列的平均值：

---

In [89]: grp = df.groupby('System')['Num']

In [90]: grp
Out[90]: <pandas.core.groupby.SeriesGroupBy object at 0x00000000113B8080>

---

可以看到grp是Python中的groupby對(duì)象，也就是說它是我們數(shù)據(jù)拆分后的中間結(jié)果。如果需要計(jì)算平均值，可直接在groupby對(duì)象grp上調(diào)用mean方法：

---

In [91]: grp.mean()
Out[91]:
System
android    50.120690
iOS        48.642857
Name: Num, dtype: float64

---

從輸出結(jié)果可以看到，System列有兩個(gè)分組，即android和iOS，以及每個(gè)分組下Num的平均值。

另外，如果需要按多個(gè)字段分組，我們可以將多個(gè)列名放到同一個(gè)list中，作為groupby的參數(shù)：

---

In [92]: df.groupby(['System','Sex'])['Num'].mean()
Out[92]:
System   Sex
android  F      48.861111
         M      52.181818
iOS      F      40.777778
         M      60.500000
         未知    24.750000
Name: Num, dtype: float64

---

Pandas提供了常用的聚合函數(shù)來幫助我們進(jìn)行聚合計(jì)算，具體如表3-7所示。

表3-7　常用的聚合函數(shù)

同時(shí)，我們也可以自定義聚合函數(shù)，如下所示：

---

In [93]: def myfun(obj):
    ...:     return np.mean(obj ** 2 - 10)

In [94]: df.groupby(['System'])['Num'].apply(myfun)
Out[94]:
System
android    3338.500000
iOS        3183.738095
Name: Num, dtype: float64

---

通過apply函數(shù)來使用我們自定義的聚合函數(shù)，可以理解為對(duì)我們拆分好的結(jié)果循環(huán)調(diào)用自定義聚合函數(shù)來進(jìn)行計(jì)算。