如何在DataFrame中实现SQL的分组统计

要在Python的pandas库中实现类似于SQL的分组统计，可以使用groupby()和agg()函数

首先，我们需要导入pandas库并创建一个DataFrame。这里是一个简单的例子：

import pandas as pd

data = {'Category': ['A', 'B', 'A', 'A', 'B', 'A', 'B', 'B'],
        'Value': [10, 20, 30, 40, 10, 30, 20, 40]}

df = pd.DataFrame(data)

上述代码将创建一个如下所示的DataFrame：

  Category  Value
0        A     10
1        B     20
2        A     30
3        A     40
4        B     10
5        A     30
6        B     20
7        B     40

现在，我们可以使用groupby()和agg()函数对Category列进行分组统计，并计算Value列的总和、平均值、最小值和最大值。

result = df.groupby('Category')['Value'].agg(['sum', 'mean', 'min', 'max'])

result DataFrame将如下所示：

         sum  mean  min  max
Category                  
A          110  27.5   10   40
B           90  22.5   10   40

在这个例子中，我们使用了agg()函数来指定我们想要对Value列执行的统计操作。你可以根据需要添加或删除统计操作。其他常用的统计操作包括'count'、'median'、'var'和'std'等。

以上就是关于“如何在DataFrame中实现SQL的分组统计”的相关介绍，筋斗云是国内较早的云主机应用的服务商，拥有10余年行业经验，提供丰富的云服务器、租用服务器等相关产品服务。云服务器资源弹性伸缩，主机vCPU、内存性能强悍、超高I/O速度、故障秒级恢复；电子化备案，提交快速，专业团队7×24小时服务支持！

简单好用、高性价比云服务器租用链接：https://www.jindouyun.cn/product/cvm