pandas统计分析（下）——数据格式化、分组统计

数据格式化

在数据处理以后需要对数据进行格式化，以增加数据的可读性。

设置小数位数

主要使用round函数实现四舍五入，decimals参数用于设置保留小数的位数。

round(decimals=0, *args, **kwargs)

• decimals：每一列四舍五入的小数位数，整型、字典或Series对象。如果是整数，则将每一列四舍五入到相同的位置。否则，将字典和Series舍入到可变数目的位置；小数是类似于字典的，那么列名应该在键中；如果小数是级数，列名应该在索引中。没有包含在小数中的任何列都将保持原样。非输入列的小数元素将被忽略。
• *args：附加的关键字参数
• **kwargs：附加的关键字参数
• 返回值：返回DataFrame对象。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.random([5,5]),
                 columns = ['A1','A2','A3','A4','A5'])
print(df.round(2))#保留小数点后两位
#A1列保留小数点后一位，A2列保留两位
print(df.round({'A1':1,'A2':2}))
s1 =pd.Series([1,0,2],index = ['A1','A2','A3'])
#设置Series对象小数位数
print(df.round(s1))

   A1    A2    A3    A4    A5
0  0.85  0.95  0.39  0.18  0.09
1  0.75  0.06  0.89  0.61  0.77
2  0.55  0.19  0.90  0.16  0.91
3  0.95  0.87  0.44  0.30  0.14
4  0.82  0.82  0.61  0.58  0.80
    A1    A2        A3        A4        A5
0  0.8  0.95  0.386624  0.177894  0.085553
1  0.7  0.06  0.891726  0.607675  0.767936
2  0.5  0.19  0.904267  0.156154  0.910458
3  0.9  0.87  0.437880  0.295522  0.138203
4  0.8  0.82  0.614968  0.579653  0.802364
    A1   A2    A3        A4        A5
0  0.8  1.0  0.39  0.177894  0.085553
1  0.7  0.0  0.89  0.607675  0.767936
2  0.5  0.0  0.90  0.156154  0.910458
3  0.9  1.0  0.44  0.295522  0.138203
4  0.8  1.0  0.61  0.579653  0.802364

#保留小数位也可以用自定义函数
df.applymap(lambda x:'%.2f'%x)

notice:经过自定义函数处理过的数据不再是浮点型，而是对象型，后续计算需要数据，则应先进行类型转换。

设置百分比

可以使用apply（）函数和format函数设置百分比，将浮点型小数转换成待指定小数位数的百分比数据。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.random([5,5]),
                 columns = ['A1','A2','A3','A4','A5'])
#整列保留0位小数
df['百分比']= df['A1'].apply(lambda x:format(x,'.0%'))
print(df)
#整列保留两位小数
df['百分比'] = df['A1'].apply(lambda x:format(x,'.2%'))
print(df)
#使用map函数整列保留0位小数
df['百分比'] = df['A1'].map(lambda x:'{:.0%}'.format(x))
print(df)

        A1        A2        A3        A4        A5  百分比
0  0.757924  0.554116  0.289314  0.405738  0.971056  76%
1  0.381371  0.231832  0.960639  0.567997  0.957563  38%
2  0.533128  0.041719  0.780189  0.904583  0.803020  53%
3  0.590224  0.514953  0.322249  0.720569  0.839565  59%
4  0.400369  0.928340  0.116352  0.329837  0.894554  40%
         A1        A2        A3        A4        A5     百分比
0  0.757924  0.554116  0.289314  0.405738  0.971056  75.79%
1  0.381371  0.231832  0.960639  0.567997  0.957563  38.14%
2  0.533128  0.041719  0.780189  0.904583  0.803020  53.31%
3  0.590224  0.514953  0.322249  0.720569  0.839565  59.02%
4  0.400369  0.928340  0.116352  0.329837  0.894554  40.04%
         A1        A2        A3        A4        A5  百分比
0  0.757924  0.554116  0.289314  0.405738  0.971056  76%
1  0.381371  0.231832  0.960639  0.567997  0.957563  38%
2  0.533128  0.041719  0.780189  0.904583  0.803020  53%
3  0.590224  0.514953  0.322249  0.720569  0.839565  59%
4  0.400369  0.928340  0.116352  0.329837  0.894554  40%

设置千分位分隔符

有时需要将数据格式化为带千分位分隔符的数据，处理后的数据不再是浮点型，而是对象型。

import pandas as pd
data = [['a','1',4564789456],['b','2',6879451365]]
df = pd.DataFrame(data = data)
df[2] = df[2].apply(lambda x:format(int(x),','))
print(df)

   0  1              2
0  a  1  4,564,789,456
1  b  2  6,879,451,365

数据分组统计

主要使用groupby进行分组

分组统计groupby函数

对数据进行分组统计，主要是用DataFrame中的groupby函数，主要功能为：

• 根据给定的条件将数据拆分成组
• 每个组都可以独立应用函数（如sum、mean等）
• 将结果合并到一个数据结构中。

groupby函数用于将数据按照一列或多列进行分组，一般与计算函数结合使用，从而对数据进行分组。

groupby(by=None, axis=0, level=None, as_index: 'bool' = True, sort: 'bool' = True, group_keys: 'bool' = True, squeeze: 'bool' =