1.group by 分组

1.1分组计算所有数字列的值

• 根据年龄分组，算出各个字段的平均值

df.groupby('age').mean() 

1.2分组计算指定列的值

• 根据年龄分组，算出education的值

df.groupby('age')['education'].mean()

2.分箱和透视表

2.1 等距离分箱

• 将年龄根据0-30,30-40,40-50,50-60,70到无穷大分成1,2,3,4,5个等级,并创建一个年龄等级页

df["age_classify"] = pd.cut(df["age"],[0,30,40,50,60,float('inf')],labels=["1","2","3","4","5"])

注意：float('inf')表示的是无穷大

2.2 透视表

2.2.1 单列分组的透视表

纵向按照年龄和性别分组，横向education分组，表的内容是对currentSmoker进行统计求和
所以：我们可以直观的看到，不同年龄，不同性别，不同教育程度的人，他们现在抽烟的人数有的多少

df.pivot_table('currentSmoker',index=['age','male'],columns='education',aggfunc='sum',fill_value=0)

image.png

其中：

• ccurrentSmoker：表示表中内容是什么
• index=['age','male']`：表示需要分组，这里先将年龄分组，然后将每个年龄里面的男女性别进行分组
• columns: 表示列名的聚合，这里将不同的education情况进行了分组
• aggfunc='sum':表示求和
• fill_value=0:表示将NAN用0来 填充

2.2.2 多列分组透视表

将上面的currentSmoker在添加一个totChol的汇总

df.pivot_table(['currentSmoker','totChol'],index=['age','male'],columns='education',aggfunc='sum',fill_value=0)

image.png

2.2.3 不同的列不同的聚合计算

将上面的对tolchol改成查看最大值

df.pivot_table(['currentSmoker','totChol'],index=['age','male'],columns='education',aggfunc={'currentSmoker':'sum','totChol':'max'},fill_value=0)

image.png

2.2.4 添加表尾的合计

df.pivot_table(['currentSmoker'],index=['age','male'],columns='education',aggfunc='sum',fill_value=0,margins=True,margins_name='Total')

image.png

2.2.5 对分好组的表在进行分组

df.pivot_table(['currentSmoker'],index=['age','male'],columns='education',aggfunc='sum',fill_value=0,margins=True,margins_name='Total').groupby('age').sum()

• 为了直观，最好将分好组的表重新命名一个新的表

df_group=df.pivot_table(['currentSmoker'],index=['age','male'],columns='education',aggfunc='sum',fill_value=0,margins=True,margins_name='Total')
df_group.groupby('age').sum()

2.2.4 分组频率统计

按照性别分组，查看教育程度出现的频率

pd.crosstab(df['male'],df['education'],margins=True)

image.png