Pandas：如何使用 groupby 和 bin 计数

您可以使用以下语法来计算 pandas 中由另一个变量分组的变量的框数：

 #define bins
groups = df. groupby ([' group_var ', pd. cut (df. value_var , bins)])

#display bin count by group variable
groups. size (). unstack ()

以下示例展示了如何在实践中使用此语法。

示例：将 GroupBy 与 Pandas 中的 bin 数量一起使用

假设我们有以下 pandas DataFrame，显示来自不同球队的篮球运动员的得分：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A',
                            'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B'],
                   ' points ': [4, 7, 7, 11, 12, 15, 19, 19,
                             5, 5, 11, 12, 14, 14, 15, 15]})

#view DataFrame
print (df)

   team points
0 to 4
1 to 7
2 to 7
3 to 11
4 to 12
5 to 15
6 to 19
7 to 19
8 B 5
9 B 5
10 B 11
11 B 12
12 B 14
13 B 14
14 B 15
15 B 15

我们可以使用以下语法来计算每个团队的得分频率，并将其分组到特定的容器中：

 #define groups
groups = df. groupby ([' team ', pd. cut (df. points , [0, 10, 15, 20])])

#display bin count grouped by team
groups. size (). unstack ()

points (0, 10] (10, 15] (15, 20]
  team			
     A 3 3 2
     B 2 6 0

以下是如何解释结果：

• A队共有3名球员得分在0到10分之间。
• A队总共有3名球员得分在10到15分之间。
• A 队共有2 名球员得分在 15 至 20 分之间。

等等。

请注意，我们可以在pd.cut()函数中指定我们想要的 bin。

例如，我们可以只定义两个 bin：

 #define groups
groups = df. groupby ([' team ', pd. cut (df. points , [0, 10, 20])])

#display bin count grouped by team
groups. size (). unstack ()

points (0, 10] (10, 20]
  team		
     At 3 5
     B 2 6

以下是如何解释结果：

• A队共有3名球员得分在0到10分之间。
• A队总共有5名球员得分在10到20分之间。
• B队共有2名球员得分在0到10分之间。
• B队总共有6名球员得分在10到20分之间。

注 1 ：您可以在此处找到GroupBy函数的完整文档。

注 2 ：您可以在此处找到cut函数的完整文档。

其他资源

以下教程解释了如何在 pandas 中执行其他常见操作：

Pandas：如何计算每组的累计和
Pandas：如何按组计算唯一值
Pandas：如何按组计算众数
Pandas：如何按组计算相关性