groupby的agg函数

一、数据准备

import pandas as pd
import numpy as np

employees = ["小明","小周","小孙"]   # 3位员工

df=pd.DataFrame({
    "employees":[employees[x] for x in np.random.randint(0,len(employees),9)],  # 在员工中重复选择9个人
    "salary":np.random.randint(800,1000,9),  # 800-1000之间的薪资选择9个数值
    "score":np.random.randint(6,11,9)  # 6-11的分数选择9个
})
print("df","\n",df)

image.png

二、取分组中的一个值

groupbying = df.groupby(by="employees")
print("取其中一个值","\n",list(groupbying)[0])

image.png

三、统计每个员工的不同分数：使用的unique方法

a = df.groupby("employees").agg({"score":"unique"}).reset_index()
print("统计每个员工的不同分数：使用的unique方法","\n",a)

image.png

四、统计每位员工的不同分数个数：使用nunique方法

b = df.groupby("employees").agg({"score":"nunique"}).reset_index()
print("统计每位员工的不同分数个数：使用nunique方法","\n",b)

image.png

transform函数

需求：

我们想在数据的后面加上一列，代表的是每位员工的平均得分，数据会变成下面的样子，绿色部分就是我们的需要

image.png

transform函数的实现

df["score_mean"] = df.groupby("employees")["score"].transform("mean")  # transform后面指定需要聚合的函数
print(df)

image.png

不用transform函数的实现

avg_score = df.groupby("employees")["score"].mean().to_dict()
print(avg_score)

df["score_avg"] = df["employees"].map(avg_score)  # 每位员工和平均值进行匹配
print(df)

image.png