Pandas Groupby() – 在一个键下组合多组值

Louis Lu

1 年前

在这篇文章中，我将分享介绍 Pandas GroupBy()，并介绍如何使用共享键或列值将值组合成一组。例如，如果您的 Google 广告活动名称与不同的数据集共享，例如每日、每周或每月的数据等，则可以使用以下方法将它们合并为一组，以便于获取、使用和应用它们在 Web 应用程序交互中。

Pandas Groupby() 的目录

groupby操作涉及分割对象、应用函数以及组合结果的某种组合。这可用于对大量数据进行分组并在这些组上进行计算操作。

例如，以下是股票代码的示例，即 BILL。基本上，每天都有来自不同媒体的新更新。如果您想设置 BILL，则此关键字是获取任何与新闻相关的 BILL 的关键。在这种情况下，可以通过将符号列合并为一个来使用groupby() 。

df.groupby('Symbol')

然后，我们还需要选择您想要添加的 BILL 数据，并将其应用到单键 BILL 下的新打包数据集。然后，我们可以使用 apply() 和 lambda 函数

逐组应用函数 func 并将结果组合在一起。传递给 apply 的函数必须将数据帧作为其第一个参数并返回 DataFrame、Series 或标量。然后 apply 将负责将结果组合回单个数据帧或系列。因此 apply 是一种高度灵活的分组方法。

在本例中，我们使用apply()来告知哪一列数据将位于同一键 BILL 下

pandas.groupby(“Symbol”).apply(lambda x: x[]))可以与 python lambda 一起使用来执行表达式。 python 中的 lambda 函数是一个小型匿名函数，可以接受任意数量的参数并执行表达式。

在这种情况下，lambda 中的列表值是您要添加到键 BILL 的选定列。代码示例如下：

Abc = df.groupby('Symbol').apply(lambda x: x[['News Publish Date','News Title','News Link','News Source','E2D Updated Date']]

使用groupby().apply(lambda)合并入口点 BILL 的主要目的是为了轻松获取与该符号相关的所有数据。如果您想将它们转换为 JSON 数据格式，这种方法尤其受欢迎。

为此，必须使用这些函数来转换这些数据。

这个变量是把符号下的数据集转成JSON格式

要为与此符号相关的股票新闻创建新名称，我们可以重置索引并将索引重命名为新名称

最后但并非最不重要的一点是，我们通过将其设置为索引元素来选择该键作为 JSON 键。这样，用户只要调用JSON中唯一的股票代码名称，就可以获取所有相关的新闻数据。

如果您对Pandas Groupby、Lambda、reset_index 和 set_index 的完整 Python 脚本感兴趣，请添加消息“ Pandas groupby() ”来订阅我们的新闻通讯。我们会立即将脚本发送到您的邮箱。

我希望您喜欢阅读 Pandas Groupby() – 使用 Python 将所有值合并到与相同索引键共享的一组中。如果您这样做了，请通过执行下列操作之一来支持我们，因为这总是对我们的频道有所帮助。