python中agg函数,python中agg函数的参数

python中range()函数用法

函数语法

成都创新互联公司专注于旌阳网站建设服务及定制，我们拥有丰富的企业做网站经验。热诚为您提供旌阳营销型网站建设，旌阳网站制作、旌阳网页设计、旌阳网站官网定制、重庆小程序开发服务，打造旌阳网络公司原创品牌,更为您提供旌阳网站排名全网营销落地服务。

range(start, stop, step)

参数说明：

start: 计数从 start 开始。默认是从 0 开始。例如range(5) 等价于range(0, 5);

stop: 计数到 stop 结束，但不包括 stop。例如：range(0, 5) 是[0, 1, 2, 3, 4]，没有5

step：步长，默认为1。例如：range(0, 5)等价于 range(0, 5, 1)

注：左闭右开 [start, stop）

简例：

for i in range(5):

print(i, end=' ')

0 1 2 3 4

for i in range(0, 5):

print(i, end=' ')

0 1 2 3 4

for i in range(0,5,1):

print(i, end=' ')

0 1 2 3 4

for i in range(0,5,2):

print(i, end=' ')

0 2 4

for i in range(6,0,-1):

print(i, end=' ')

6 5 4 3 2 1

for i in range(6,0,-2):

print(i, end=' ')

6 4 2

利用 Python 分析 MovieLens 1M 数据集

MovieLens数据集是一个关于电影评分的数据集，里面包含了从IMDB, The Movie DataBase上面得到的用户对电影的评分信息，详细请看下面的介绍。

文件里面的内容是帮助你如何通过网站id在对应网站上找到对应的电影链接的。

movieId, imdbId, tmdbId

表示这部电影在movielens上的id，可以通过链接来得到。

表示这部电影在imdb上的id，可以通过链接

来得到。

movieId, title, genres

文件里包含了一部电影的id和标题，以及该电影的类别

movieId, title, genres

每部电影的id

电影的标题

电影的类别（详细分类见readme.txt）

文件里面的内容包含了每一个用户对于每一部电影的评分。

数据排序的顺序按照userId，movieId排列的。

文件里面的内容包含了每一个用户对于每一个电影的分类

数据排序的顺序按照userId，movieId排列的。

=======

该数据集（ml-latest-small）描述了电影推荐服务[MovieLens]（）的5星评级和自由文本标记活动。它包含9742部电影的100836个评级和3683个标签应用程序。这些数据由610位用户在1996年3月29日到2018年9月24日之间创建。该数据集于2018年9月26日生成。

随机选择用户以包含在内。所有选定的用户评分至少20部电影。不包括人口统计信息。每个用户都由一个id表示，并且不提供其他信息。

数据包含在 links.csv ， movies.csv ， ratings.csv 和 tags.csv 文件中。有关所有这些文件的内容和用法的更多详细信息如下。

这是一个发展的数据集。因此，它可能会随着时间的推移而发生变化，并不是共享研究结果的适当数据集。

========

要确认在出版物中使用数据集，请引用以下文件：

========================

数据集文件以[逗号分隔值]文件写入，并带有单个标题行。包含逗号（，）的列使用双引号（```）进行转义。这些文件编码为UTF-8。如果电影标题或标签值中的重音字符（例如Misérables，Les（1995））显示不正确，确保读取数据的任何程序（如文本编辑器，终端或脚本）都配置为UTF-8。

MovieLens用户随机选择包含。他们的ID已经匿名化了。用户ID在 ratings.csv 和 tags.csv 之间是一致的（即，相同的id指的是两个文件中的同一用户）。

数据集中仅包含至少具有一个评级或标记的电影。这些电影ID与MovieLens网站上使用的电影ID一致（例如，id 1 对应于URL ）。电影ID在 ratings.csv ， tags.csv ， movies.csv 和 links.csv 之间是一致的.

通过[pandas.read_csv]将各表转化为pandas 的DataFrame对象

其中用到的参数为分隔符sep、头文件header、列名定义names、解析器引擎engine

这里和书上相比多用了engine参数，engine参数有C和Python，C引擎速度更快，而Python引擎目前功能更完整。

可用pandas.merge 将所有数据都合并到一个表中。merge有四种连接方式（默认为inner），分别为

通过索引器查看第一行数据，使用基于标签的索引.loc或基于位置的索引.iloc

可通过数据透视表( pivot_table )实现

该操作产生了另一个DataFrame，输出内容为rating列的数据，行标index为电影名称，列标为性别，aggfunc参数为函数或函数列表（默认为numpy.mean），其中“columns”提供了一种额外的方法来分割数据。

by参数的作用是针对特定的列进行排序（不能对行使用），ascending的作用是确定排序方式，默认为升序

增加一列存放平均得分之差，并对其排序，得到分歧最大且女性观众更喜欢的电影

按照电影标题将数据集分为不同的groups，并且用size( )函数得到每部电影的个数（即每部电影被评论的次数），按照从大到小排序，取最大的前20部电影列出如下

按照电影名称分组，用agg函数通过一个字典{‘rating’: [np.size, np.mean]}来按照key即rating这一列聚合，查看每一部电影被评论过的次数和被打的平均分。取出至少被评论过100次的电影按照平均评分从大到小排序，取最大的10部电影。

python中range()函数的用法

python中range()函数的用法：

（1）range(stop)

创建一个（0,stop)之间的整数序列，步长为1。

（2）range(start,stop)

创建一个（start,stop)之间的整数序列，步长为1。

（3）range(start,stop,step)

创建一个[start,stop)之间的整数序列，步长为step。

参数介绍：

start：表示从返回序列的起始编号，默认情况下从0开始。

stop：表示生成最多但不包括此数字的数字。

step：指的是序列中每个数字之间的差异，默认值为1。

pandas常用函数汇总

pandas官方文档:

对常用函数做了汇总，每个函数的参数可能不是全的，但是常用的，不常用的没总结，如有问题，请不吝赐教，谢谢！

1、创建Series

通用函数：pd.Series(values,index)

1)pd.Series([1,2,3],index=[‘a’,‘b’,‘c‘])

2)pd.Series(np.array([1,2,3]),index=[‘a’,‘b’,‘c‘])

3)pd.Series({ 'a'：1, 'b'：2, 'c'：3})

Series转字典：Series.to_dict()

说明：Series的values参数是python中常见的一维数据类型。

2、属性

1）Series.values ---array([1,2,3])

Series的values是array类型

2）Series.index---index([‘a’,‘b’,‘c‘])

未指定index时，自动生成 0-（N-1）的整数索引，

指定 index时，使用指定索引。

3、Series的索引与切片

Series[0] / Series['a'] : Sereis可以位置索引或标签索引，也可以进行切片操作

1、创建DataFrame

1) 创建DataFrame的通用函数：

df = pd.DataFrame(values,index,columns)

pd.dataFrame([[1,2,3],[4,5,6],[7,8,9]],index=['a','b','c'],columns=['bj','sh','sz'])

pd.dataFrame(np.arange(1,10).reshape(3,3),index=['a','b','c'],columns=['bj','sh','sz'])

pd.dataFrame('bj':[1,4,7],'sh':[2,5,8],'sz':[3,6,9],index=['a','b','c'])

说明：创建方法与Sries类似，Series的values参数是python中常见的一维数据类型，DataFrame的values参数是python中常见的二维数据类型。

2) 通过网页中复制数据快捷创建

import webbrowser

link = ''

webbrowser.open(link)

打开界面进行复制，将数据复制到粘贴板中

df = pd.read_clipboard() #从粘贴板中读取数据

3）通过Series创建DataFrame

df = pd.DataFrame([s1,s2,s3],columns=['bj','sh','sz'])

注意：单独的s1,s2,s3是纵向排列的的Series，但是在DataFrame中是横向排列的。

自己总结：Series除了打印出来是Series格式外，其他时候可以直接当作list来操作。

2、属性

1)df.columns

通过columns生成新的DataFrame

df_new = pd.DataFrame(df,columns=['x1','x2'])

或者df_new = df[['x1','x2']]

2)df.shape 显示行列数

3)df.head() 默认显示前5行

4)df.tail() 默认显示后5行

3、获取DataFrame的列

1）获取DataFrame某一列

df.x1或df['x1']:返回值是Series,可以理解为一个DataFrame是由多个Series组成的。

2) 获取DataFrame某几列

df_new = df[['x1','x2','x3']]

4、为某列赋值

1) df['x1'] = range(10)

2) df['x1'] = numpy.arange(10)

3) df['x1'] = pd.Series(np.arange(10))

说明：类似于创建Series

5、为某列对应的特定行重新赋值

df['x1'] = pd.Series([2,3],index=[0,1])

将列为x1,行索引为0和1的值改为2,3

6、获取DadaFrame的行

for row in DataFrame.iterrows():

print(row[0],row[1])

#每个row是一个元祖，包含2个元素，row[0]是整型索引，row[1]是Series,所以从行的角度也可以看出，一个DataFrame是由多个Series组成的。

7、DataFrame的转置

df_new = df.T

1、粘贴板的io

df = pd.read_clipboard()

df.to_clipboard()

2、csv的io

df.to_csv('xxx.csv')

df = pd.read_csv('xxx.csv')

3、json的io

df.to_json()

pd.read_json(df.to_json())

4、excel的io

df.to_excel('xx.xlsx')

df = pd.read_excel('xx.xlsx')

5、df = pd.read_sql('')

df.to_sql('')

1、iloc

sub_df = df.iloc[10:20,:] 选取DataFrame的10-20行，所有列数据

sub_df = df.iloc[10:20,0:2]

说明：iloc函数是位置索引，与索引的名字无关。

2、loc

sub_df = df.loc[10:20,:'movie_name']

说明：loc是标签索引，10,20，'movie_name' 都是索引名字，与位置无关。

1、Series.reindex(index=['x1','x2','x3'],fill_value=10)

将df重新索引，并且将NaN空值用10进行填充

2、Series.reindex(index=range(15),method='ffill')

前项填充，后面的值用前面的值进行填充

通过reindex想到，如果想新增一个空列或者空行，可以用reindex方法,同样地，想减少某些行或者某些列，也可以用reindex方法。

继reindex之后删除行列的函数操作

Series.drop('A') #删除'A'所对应的值

DataFrame.drop(label,axis)

label可以是行名也可以是列名，label是行的话axis是0，label是列的话axis是1。

** 删除行还可以用 del df['A']

nan是numpy的一种数据类型，np.nan,float类型

任何数据与nan的运算结果都是nan

1、nan in Series

Series.isnull() --返回value为True或者False的Series

Series.notnull() --返回value为True或者False的Series

Series.dropna() --返回删除nan值后的Series

Series.fillna(method='ffill') --前项插值，按照前面的值填充后面的空值

2、nan in DataFrame

df.isnull() --返回value为True或者False的DataFrame

df.notnull() --返回value为True或者False的DataFrame

df.dropna(axis=0/1,how='any/all'，thresh=None)

说明：axis表示删除行为nan或者列为nan；

any表示只要有一个为空，all表示行中的每个元素或者列中的每个元素为空；

thresh是阈值的意思，表示某行或者某列nan的个数达到阈值的个数时才删除该行或该列。

df.fillna(value=1) ---所有的空值都填充为1

df.fillna(value={0:0,1:1,2:2}) ---将0列的空值填为0,1列的空值填为1,2列的空值填为2，默认为填充列

注意：fillna和dropna的特点，生成新的DataFrame,原来的DataFrame不变。

1、多重索引介绍

Series = pd.Series(np.random.randn(6),index=[['1','1','1','2','2','2'],['a','b','c','a','b','c']])

'1','2'为一级索引，'a','b','c'为二级索引

df 可以看做是索引的'1','2'的Series

Series['1'] --Series

Series['1']['a'] --value

Series[:,'a'] --选择'1'和'2'中的'a'对应的值

2、多重索引格式转为二维DataFrame

df = Series.unstack() --转为二维DataFrame

3、多重索引在DataFrame中的操作

1、 map函数与apply函数、applymap函数的区别：

1）map函数对Series中的每个元素作用；

2）applymap函数对DataFrame中的每个元素作用；

3）apply函数对对DataFrame和Series的一列做整体运算。

2、Series.replace(to_replace=[2,3,4],values=[20,30,40]) 替换Series中多个值

Series.replace({1:10,2:20}) 将索引为1的值替换为10，将索引为2的值替换为20

df.sum() --默认按照列进行求和,nan的值被忽略

df.min() --默认按照列求最小值

df.max() --默认按照列求最大值

df.mean() --默认按照列求平均值

df.describe() --默认按照列进行描述

df.sum(axis=1) --按行求和，nan的值被忽略

#axis=0表示对横轴进行操作，但是运算中表现为纵轴操作

#axis=1表示对纵轴进行操作，但是运算中表现为横轴操作

bins = [0,59,70,80,100],bins是分割范围

score_cat = pd.cut(Series,bins) ---得到catgory类型的数据

DataFrame的分箱技术很棒啊！

pd['catgory'] = pd.cut(df['a'],bins=[0,59,70,80,100],labels=['low','ok','good','great'])

--新增一列，将a列的值按照labels进行分类标记，good!!!

#生成长度为3的随机字符串 pd.util.testing.rands(3)

1、按照一列分组

g = df.groupby('city')

g是分组类型数据，打印不出来，所以看不到，但是有属性和方法可以间接的了解

1） g.groups --得到分的几个组，和每个组包含的索引

2）g.get_group('BJ') --得到'BJ'所对应的组

3）groupby = split +apply +combine

g.mean() --求每组的平均值

g.max() --求每组的最大值

g.min() --求每组的最小值

g.count()

g.describe()

4）g是一个可迭代对象，可以用list函数将其转化为list

list(g) -- [('组名1',DataFrame1),('组名2',DataFrame2),(),()]

dict(list(g)) --将其转化为字典

同时可以通过for循环进行遍历操作：for item,desc in g:print(item,desc)

#怪不得分组后不是DataFrame，因为元组的第一个元素是'分组名'。

2、按照多列分组

g_new = df.groupby(['city','wind'])

得到生成器((('分组1','分组2'),DataFrame),(),()...)

g_new.get_group(('分组1','分组2'))

for (name_1,name_2),group in g_new:

print((name_1,name_2),group)

g.mean() --求每组的平均值

与g.agg('mean')方法一样

pd.pivot_table(df,index=['',''],aggfuc='sum',values=['',''])

index是分组的组名，values是透视表呈现结果的列，columns是values下的分解

#感觉透视表呈现的结果就是groupby+agg后的结果

#分析者需要对数据结构有一定的了解

df.sort_values(by='',ascending=True/False)[:10] df可以索引

df.value_counts() --按值计数

df.['a'] = df['b'].apply(lambda x:x0) --DataFrame中的True/False

通过g.size()可以看到被groupby之后的数据，得到的是一个Series

1、Series的排序：

1）对值进行排序

Series.sort_values() ---直接对Series的值进行排序

2）通过索引进行排序

Series.sort_index()

#默认都是升序排列

2、DataFrame的排序

df.sort_values(by='') --按照某列的顺序进行排序

df['a'].sort_values() --返回对a列数据的排序结果，只返回a列

1、df.index = Series(['a','b','c']) 直接对index赋予新值

2、df.index = df.index.map(str.upper)

map函数中只传入新的函数名即可

3、df.rename(index=str.upper,columns=str.lower)

或者传递字典，进行一一转换

pd.merge(df1,df2,on=None,how='left/right/inner/outer')

pd.merge(df1,df2) --没有on参数默认先找相同的columns,然后在columns下找相同的values

pd.merge(df1,df2,on='columns') --on参数是指按照指定列进行merge

left:表示以左边的数据表为基准，进行填充右面的数据

right:表示以右边的数据表为基准，填充左边的数据

outer:以on的指定列的所有值为基准，填充两边的数据

inner:默认inner,相同on指定的columns下的相同values对应的左右两边的数据

1、concat拼接

pd.concat([Series1,Series2])

pd.concat([df1,df2]) -- 上下叠加，将没有的列进行填充

2、combine组合

Series1.combine_first(Series2) --用Series2的值去填充Series1中为空的值

df1.combine_first(df2) ---用df2将df1中的空值填充

df['A'] = df['A'].apply(str.upper) ---apply函数中也只输入函数名

len(df) --求df的长度

len(df['a'].unique()) --查看a列中不重复数据的多少

Series.duplicated() --返回一列True/False的Series

Series.drop_duplicates() --删除重复值

df.drop_duplicates('a',keep='first/last')

df.drop_duplicates() --删除完全重复的行

参数：'a'表示以a列为基准，删除重复值

first表示保留第一个，last表示保留最后一个

data_list = pd.date_range(start,end,period='D',freq)

period='D',以天为单位

freq = 'W' 以周为单位

freq = 'W-Mon'以每周一位单位

freq = '5H' 以5h为单位

以data_range作为索引提取数据比较简单

df[datetime(2017,9,1)]

df['2017-09-01']

df['20170901']

df['201709']

对时间序列数据进行分组聚合操作：

s1.resample('M').mean() --以月为单位进行采样，然后求每组的平均值

s1.resample('H').ffill() --前项填充

s1.resample('H').bfill() --后项填充

补充：1）jupyter中可以执行linux命令，太棒了！

!ls

!more xxx.csv

!pwd 等等

2）jupyter 查看函数帮助的快捷键：摁住shift + tab 棒！！！

Python中range()函数的用法

此刻的心情：

2018年五一后入职新公司做项目实施，一直忙碌着公司的项目；国庆后更是被调到东莞支援项目，工作时间真的成了996了，唯一休息的一天也懒的出去。看看电影、洗洗衣服、与小棉袄视频下、学习学习Python也还挺有趣，也很充实。

Python中range()函数的用法

1、函数原型：range（start， end， scan)：

参数含义：

start:计数从start开始。默认是从0开始。

例如range（5）等价于range（0， 5）; end:技术到end结束，但不包括end.

例如：range（0， 5）是[0, 1, 2, 3, 4]没有5 scan：每次跳跃的间距，默认为1。

例如：range（0， 5）等价于 range(0, 5, 1)

2、python中的range()函数的功能很强大，所以我觉得很有必要和大家分享一下，就好像其API中所描述的：

If you do need to iterate over a sequence of numbers, the built-in function range() comes in handy. It generates arithmetic progressions

--有道翻译的结果：如果确实需要迭代一组数字，那么内置函数range()就派上用场了。它生成算术级数。

3、实例调用

#r如果你需要遍历一个数字序列，可以使用内置函数range()

#1、下面遍历一个列表

the_count=[1,2,3,4,5,6]

for number in the_count:

print("this is count %d" % number)

print("--------------------")

#2、遍历一个混合列表

list=[1,2,3,4,"zll",5,6,"hello",7,8.9]

for i in range(len(list)):

print (list[i],end="、")

print("\n--------------------")

#3、用range()函数生成一个列表

for i in range(5):

print(i,end="、")

print("\n--------------------")

#4、range(10),其中参数10代表：从0到10的一个序列，当然不包含10

print("range(10)表示：" ,range(10))

listA=[i for i in range(10)] print(listA)

print("--------------------")

#5、我们也可以自定义起始点和结束点 #我们定义了一个从5开始的起始点，到100结束的结束点

print("range(5,100)表示",range(5,100))

listB=[i for i in range(5,100)]

print(listB) print("--------------------")

#6、定义了这些后，我们还可以定义步长 #我们定义一个从1开始到30结束，步长为3的列表

print('range(1,30,3)表示：',range(1,30,3))

listC = [i for i in range(1,30,3)]

print(listC)

4、自己运行试试结果哦...

Python分组

前言分组原理

核心：

1.不论分组键是数组、列表、字典、Series、函数，只要其与待分组变量的轴长度一致都可以传入groupby进行分组。

2.默认axis=0按行分组，可指定axis=1对列分组。

对数据进行分组操作的过程可以概括为：split-apply-combine三步：

1.按照键值（key）或者分组变量将数据分组。

2.对于每组应用我们的函数，这一步非常灵活，可以是python自带函数，可以是我们自己编写的函数。

3.将函数计算后的结果聚合。

1 分组模式及其对象

1.1 分组的一般模式

三个要素:分组依据、数据来源、操作及其返回结果

df.groupby(分组依据)[数据来源].使用操作

1.2 分组依据的本质

1.3Groupby 对象

通过 ngroups 属性，可以访问分为了多少组:

通过 groups 属性，可以返回从组名映射到组索引列表的字典:

当 size 作为 DataFrame 的属性时，返回的是表长乘以表宽的大小，但在 groupby 对象上表示统计每个组的元素个数:

通过 get_group 方法可以直接获取所在组对应的行，此时必须知道组的具体名字:

1.4 分组的三大操作

分组的三大操作:聚合、变换和过滤

2.聚合函数

2.1内置聚合函数

包括如下函数: max/min/mean/median/count/all/any/idxmax/idxmin/mad/nunique/skew/quantile/sum/std/var/sem/size/prod

2.2agg 方法

【a】使用多个函数

当使用多个聚合函数时，需要用列表的形式把内置聚合函数的对应的字符串传入，先前提到的所有字符串都是合法的。

【b】对特定的列使用特定的聚合函数

对于方法和列的特殊对应，可以通过构造字典传入 agg 中实现，其中字典以列名为键，以聚合字符串或字符串列表为值。

【c】使用自定义函数

在 agg 中可以使用具体的自定义函数，需要注意传入函数的参数是之前数据源中的列，逐列进行计算

【d】聚合结果重命名如果想要对结果进行重命名，只需要将上述函数的位置改写成元组，元组的第一个元素为新的名字，第二个位置为原来的函数，包括聚合字符串和自定义函数

3 变换和过滤

3.1 变换函数与 transform 方法

变换函数的返回值为同长度的序列，最常用的内置变换函数是累计函数:cum- count/cumsum/cumprod/cummax/cummin ，它们的使用方式和聚合函数类似，只不过完成的是组内累计操作。

3.2 组索引与过滤

过滤在分组中是对于组的过滤，而索引是对于行的过滤

组过滤作为行过滤的推广，指的是如果对一个组的全体所在行进行统计的结果返回 True 则会被保留，False 则该组会被过滤，最后把所有未被过滤的组其对应的所在行拼接起来作为 DataFrame 返回。

在 groupby 对象中，定义了 filter 方法进行组的筛选，其中自定义函数的输入参数为数据源构成的 DataFrame 本身，在之前例子中定义的 groupby 对象中，传入的就是 df[['Height', 'Weight']] ，因此所有表方法和属性都可以在自定义函数中相应地使用，同时只需保证自定义函数的返回为布尔值即可。

4 跨列分组

4.1 apply 的引入

4.2 apply 的使用

在设计上，apply 的自定义函数传入参数与 filter 完全一致，只不过后者只允许返回布尔值

【a】标量情况:结果得到的是 Series ，索引与 agg 的结果一致

【b】Series 情况:得到的是 DataFrame ，行索引与标量情况一致，列索引为 Series 的索引

【c】DataFrame 情况:得到的是 DataFrame ，行索引最内层在每个组原先 agg 的结果索引上，再加一层返回的 DataFrame 行索引，同时分组结果 DataFrame 的列索引和返回的 DataFrame 列索引一致

当前名称：python中agg函数,python中agg函数的参数
分享URL：http://scyanting.com/article/hdpjio.html

python中agg函数,python中agg函数的参数

python中range()函数用法

利用 Python 分析 MovieLens 1M 数据集

python中range()函数的用法

pandas常用函数汇总

Python中range()函数的用法

Python分组

其他资讯