Pandas.DataFrame.groupby: примеры (PYTHON)

Примеры использования

Группировка по одному столбцу с суммированием.

import pandas as pd
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar'], 'B': [1, 2, 3, 4]})
result = df.groupby('A').sum()
print(result)

      B
A      
bar   6
foo   4

Группировка по нескольким столбцам.

df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar'], 'B': ['x', 'x', 'y', 'y'], 'C': [1, 2, 3, 4]})
result = df.groupby(['A', 'B']).mean()
print(result)

          C
A   B      
bar x   2.0
    y   4.0
foo x   1.0
    y   3.0

Использование параметра as_index.

result = df.groupby(['A', 'B'], as_index=False).mean()
print(result)

     A  B    C
0  bar  x  2.0
1  bar  y  4.0
2  foo  x  1.0
3  foo  y  3.0

Похожие функции в Python

• pandas.pivot_table: Создает сводную таблицу. Более гибкая функция для агрегации с поддержкой многомерных данных.
• pandas.crosstab: Вычисляет частотную таблицу для двух или более факторов.
• Методы агрегации без группировки: Например, df.sum() или df.mean() без предварительного разделения на группы.

Выбор метода зависит от задачи. Для простого разделения данных по категориям подходит groupby. Для создания сложных сводных таблиц удобнее использовать pivot_table.

Альтернативы в других языках

SQL: Используется оператор GROUP BY.

SELECT A, SUM(B) FROM table GROUP BY A;

JavaScript (библиотека Lodash): Функция _.groupBy().

const data = [
  { A: 'foo', B: 1 },
  { A: 'bar', B: 2 },
  { A: 'foo', B: 3 }
];
const result = _.groupBy(data, 'A');
console.log(result);

{ foo: [ { A: 'foo', B: 1 }, { A: 'foo', B: 3 } ],
  bar: [ { A: 'bar', B: 2 } ] }

Java (Stream API): Используются коллекторы.

Map result = data.stream()
    .collect(Collectors.groupingBy(
        Item::getA,
        Collectors.summingInt(Item::getB)
    ));

Основное отличие от pandas заключается в том, что эти реализации обычно работают с коллекциями объектов, а не с табличными структурами.

Типичные ошибки

Забывание вызова агрегирующей функции после groupby.

grouped = df.groupby('A')
print(grouped)

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x...>

Попытка обратиться к несуществующему столбцу после группировки.

result = df.groupby('A')['C'].sum()  # Столбец C отсутствует в df

KeyError: 'C'

Неправильное понимание параметра as_index.

result = df.groupby('A', as_index=True).sum()
print(result.index.name)

A

Изменения в последних версиях

В версии pandas 1.5.0 улучшена производительность группировки для некоторых типов данных. В версии 1.3.0 добавлена возможность передачи функции в параметр by для более гибкой группировки. С версии 1.1.0 параметр dropna по умолчанию имеет значение True.

Расширенные примеры

Группировка с применением пользовательской функции агрегации.

def custom_agg(series):
    return series.max() - series.min()

df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar'], 'B': [1, 2, 3, 4]})
result = df.groupby('A')['B'].agg(custom_agg)
print(result)

A
bar    2
foo    2
Name: B, dtype: int64

Использование метода transform для применения функции к каждой группе с сохранением исходной формы данных.

df['B_group_mean'] = df.groupby('A')['B'].transform('mean')
print(df)

     A  B  B_group_mean
0  foo  1           2.0
1  bar  2           3.0
2  foo  3           2.0
3  bar  4           3.0

Группировка с фильтрацией групп.

filtered = df.groupby('A').filter(lambda x: x['B'].mean() > 2.5)
print(filtered)

     A  B  B_group_mean
1  bar  2           3.0
3  bar  4           3.0

Группировка по временным интервалам.

df_time = pd.DataFrame({
    'date': pd.date_range('2023-01-01', periods=6, freq='D'),
    'value': [10, 20, 30, 40, 50, 60]
})
result = df_time.groupby(pd.Grouper(key='date', freq='2D')).sum()
print(result)

            value
date            
2023-01-01     30
2023-01-03     70
2023-01-05     60