本文共 1111 字，大约阅读时间需要 3 分钟。

Pandas.DataFrame.groupby()是数据处理中的一个强大工具，用于根据特定条件对数据进行分组和聚合操作。它支持通过映射器、函数或特定列来实现分组，可应用于大规模数据的高效处理。

Parameters

groupby()函数接受多个参数以控制分组方式：

• by：可以是映射器、函数、标签或标签列表，用于确定分组依据。
  • 若是函数，会对每个索引值调用该函数。
  • 若是dict、Series或数组，会根据其值或标签来分组。
  • 若是标签或标签列表，可直接根据DataFrame的列来分组。
• axis：决定沿行（0）或列（1）进行分组，默认为0。
• level：对于多层索引的情况，可指定要分组的层级，默认为None。
• as_index：布尔值，默认为True，分组结果中保留分组标签。
• sort：布尔值，默认True，排序分组结果。
• group_keys：布尔值，默认True，apply时保留分组标签。
• squeeze：布尔值，默认True，压缩结果维度以保持一致性。
• observed：布尔值，默认False，只显示分类变量的观测值。
• dropna：布尔值，默认True，处理缺失值时是否删除分组键。

Returns

groupby对象包含分组信息，可用于后续聚合操作。

Pandas.DataFrame.rank()用于对数据框沿指定轴进行排名。默认方法是按平均值排名，适用于处理重复值时的排名规则。

Parameters

rank()函数接受以下参数：

• method：{‘average’, ‘min’, ‘max’, ‘first’, ‘dense’}，默认‘average’，决定相同值的排名方法。
  • average：取相同值的平均排名。
  • min：取相同值中最低的排名。
  • max：取相同值中最高的排名。
  • first：按原数据顺序依次分配排名。
  • dense：与‘min’类似，但排名连续递增。
• numeric_only：筛选出仅包含数值列的数据，默认None。
• na_option：默认‘keep’，处理缺失值时的行为。
• ascending：布尔值，默认True，决定排序方向。
• pct：布尔值，默认False，返回百分比排名。

Methods

method参数决定了相同值的排名方式，例如：

• average：计算相同值的平均排名。
• min：返回相同值中最低的排名。
• max：返回相同值中最高的排名。
• first：按照原数据中出现的顺序依次分配排名。
• dense：确保排名连续递增，即使中间缺失值也不会跳跃。

References

本文内容基于Pandas官方文档，具体参数和功能细节请参考官方资料以获取最新信息。

转载地址：http://zdge.baihongyu.com/