本文共 1582 字，大约阅读时间需要 5 分钟。

Python数据分析实践：分组统计与频率计算

在数据分析领域，Python的Pandas库提供了强大的数据处理工具，能够高效解决复杂问题。本文将详细介绍如何使用groupby()和value_counts()函数进行分组统计，分析数据中不同组别的频率分布。

第一步：导入必要的数据处理库

首先，需要将Pandas库导入到Python环境中，这样才能使用DataFrame和相关函数。

import pandas as pd

第二步：创建数据框架

为了演示分组统计功能，我们首先创建一个包含三列的DataFrame。假设数据如下：

• 列A：包含三种不同的类别值。
• 列B：包含三个子类别值。
• 列C：包含整数值。

data = {
    'A': ['one', 'two', 'three', 'two', 'two', 'one', 'three', 'three', 'three'],
    'B': ['x', 'y', 'z', 'x', 'y', 'y', 'x', 'z', 'z'],
    'C': [10, 20, 30, 40, 50, 60, 70, 80, 90]
}
df = pd.DataFrame(data)

第三步：分组统计与频率计算

接下来，我们将数据按照列A进行分组，然后对每个分组中的列B进行计数，统计每个子类别的出现次数。可以使用以下命令实现：

result = df.groupby('A')['B'].value_counts()

运行上述代码后，result对象将包含分组统计的结果。每个分组（由列A决定）下，列B的每个子类别出现的次数都将被记录下来。

代码示例解析

以下是一个完整的代码示例，详细说明了分组统计的过程：

import pandas as pd
# 创建包含三列的DataFrame
data = {
    'A': ['one', 'two', 'three', 'two', 'two', 'one', 'three', 'three', 'three'],
    'B': ['x', 'y', 'z', 'x', 'y', 'y', 'x', 'z', 'z'],
    'C': [10, 20, 30, 40, 50, 60, 70, 80, 90]
}
df = pd.DataFrame(data)
# 按照列'A'分组，对每个分组的列'B'进行计数
result = df.groupby('A')['B'].value_counts()

测试用例

为了验证分组统计的正确性，可以执行以下测试用例：

assert result['one']['x'] == 2
assert result['two']['y'] == 3
assert result['three']['z'] == 3

这些测试用例验证了每个分组中各子类别的计数是否正确。

应用场景

在实际数据分析中，分组统计可以应用于多种场景。例如：

• 用户行为分析：可以根据用户所在地区（列A）来分析不同产品（列B）的点击率或购买次数。
• 产品市场分析：可以统计每个地区最受欢迎的产品，从而为市场推广提供参考依据。

扩展应用

为了更直观地展示数据，可以将结果转换为宽表格式，并使用unstack()函数填充缺失值：

product_popularity = result.unstack(fill_value=0).sort_values(ascending=False, axis=1)
print(product_popularity)

这段代码将生成一个按地区和子类别展示产品受欢迎程度的表格，方便进一步分析。

通过以上步骤和代码示例，读者可以轻松掌握使用Pandas库进行分组统计的技巧，并在实际项目中灵活应用。

转载地址：http://unvfk.baihongyu.com/