Pandas groupby count詳解

Pandas是一個Python數據分析庫，提供了靈活高效的數據結構和數據分析工具。其中groupby count是一個非常常用的方法，可以幫助我們對於DataFrame數據進行分類計數。本文將從多個方面對groupby count進行詳細的闡述。

一、簡介

首先，我們需要了解groupby count的基本概念和用途。groupby是pandas中一個非常重要的數據拆分方法，它可以將數據按照指定的一列或多列進行分組，並進行聚合操作。而count是聚合操作中最常用的方法之一，它可以統計某一列的數量。因此，groupby count的作用就是按照某一列或多列進行分類，然後統計每組出現的次數。

二、應用場景

接下來，我們來看一下groupby count的應用場景。groupby count可以幫助我們對於DataFrame數據進行分類計數，非常適用於需要對數據進行分類匯總的場景。比如，我們有一份銷售數據表，其中包含了每天的銷售記錄，我們希望統計每個月份的銷售量，這時我們就可以使用groupby count方法，按照月份分類，然後統計每個月份的銷售量。

import pandas as pd

df = pd.read_csv("sales_records.csv")
df.groupby("month")["quantity_sold"].count()

三、數據分組及聚合操作

在實際應用中，我們經常會按照多列進行分組統計，而不僅僅是一列。這時，我們可以通過groupby函數傳入多個列名來實現多列分組。

import pandas as pd

df = pd.read_csv("sales_records.csv")
df.groupby(["month", "region"])["quantity_sold"].count()

除了count方法外，groupby還有許多其他的聚合方法可以供我們使用，比如sum、mean、min、max等。當然，我們也可以自定義聚合函數，通過apply方法進行自定義聚合。

import pandas as pd

df = pd.read_csv("sales_records.csv")
def my_agg(x):
    names = {
        'sale_amount': x['sale_amount'].sum(),
        'quantity_sold': x['quantity_sold'].sum(),
        'total_profit': (x['sale_amount']*x['unit_cost']).sum()
    }
    return pd.Series(names)
df.groupby(["month", "region"]).apply(my_agg)

四、填充空值

在實際應用中，我們經常會遇到數據中存在空值的情況。而groupby count方法默認會忽略空值，也就是說，如果某個分組中存在空值，那麼這個分組的數量是不會統計的。為了解決這個問題，我們可以使用.fillna方法對空值進行填充。

import pandas as pd

df = pd.read_csv("sales_records.csv")
df.fillna(0, inplace=True)
df.groupby("month")["quantity_sold"].count()

五、小結

本文介紹了groupby count方法的相關概念、應用場景、數據分組及聚合操作、填充空值等方面的內容。通過對groupby count的深入了解，我們可以更好地處理數據，提高數據分析的效率和準確性。