使用 Python 对相似索引元素上的记录进行分组
源码下载
在 Python 中，可以使用 pandas 和 numpy 等库对类似索引元素上的记录进行分组，这些库提供了多个函数来执行分组。基于相似索引元素的记录分组用于数据分析和操作。在本文中，我们将了解并实现各种方法对相似索引元素上的记录进行分组。
方法一：使用熊猫分组（）
Pandas 是一个强大的数据操作和分析库。groupby（） 函数允许我们根据一个或多个索引元素对记录进行分组。让我们考虑一个数据集，其中包含学生分数的数据集，如以下示例所示。
语法
grouped = df.groupby(key)
在这里，Pandas GroupBy 方法用于基于一个或多个键对数据帧中的数据进行分组。“key”参数表示数据分组所依据的一个或多个列。生成的“分组”对象可用于分别对每个组执行操作和计算。
例
在下面的示例中，我们使用 groupby（） 函数按“名称”列对记录进行分组。然后，我们使用 mean（） 函数计算每个学生的平均分数。生成的数据帧显示每个学生的平均分数。
import pandas as pd # Creating a sample DataFrame data = { 'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob'], 'Subject': ['Math', 'English', 'Math', 'English', 'Math'], 'Score': [85, 90, 75, 92, 80] } df = pd.DataFrame(data) # group by name grouped = df.groupby('Name') # calculate mean value of grouped data mean_scores = grouped.mean() print(mean_scores)
输出
Name Score Alice 88.5 Bob 85.0 Charlie 75.0
方法二：使用集合模块中的默认字典
Python 中的集合模块提供了一个 defaultdict 类，它是内置 dict 类的子类。如果键不存在，它会自动创建新的键值对，从而简化分组过程。
语法
groups = defaultdict(list) groups[item].append(item)
在这里，语法使用集合模块中的 defaultdict（） 函数初始化一个名为 groups 的 defaultdict 对象，其默认值为空列表。第二行代码使用键（项）访问组字典中与该键关联的列表，并将该项追加到列表中。
例
在下面的示例中，我们使用了一个默认词典，其中列表作为默认值。我们遍历了分数列表，并将主题分数对附加到默认句子中相应学生的密钥中。生成的字典显示分组记录，其中每个学生都有一个科目分数对的列表。
from collections import defaultdict # Creating a sample list of scores scores = [ ('Alice', 'Math', 85), ('Bob', 'English', 90), ('Charlie', 'Math', 75), ('Alice', 'English', 92), ('Bob', 'Math', 80) ] grouped_scores = defaultdict(list) for name, subject, score in scores: grouped_scores[name].append((subject, score)) print(dict(grouped_scores))
输出
{'Alice': [('Math', 85), ('English', 92)], 'Bob': [('English', 90), ('Math', 80)], 'Charlie': [('Math', 75)]}
方法3：使用迭代工具.groupby（）
Python 中的 itertools 模块提供了一个 groupby（） 函数，该函数根据键函数对可迭代对象的元素进行分组。
语法
list_name.append(element)
在这里，append（） 函数是一个列表方法，用于将元素添加到list_name的末尾。它通过将指定的元素添加为新项来修改原始列表。
例
在下面的示例中，我们使用了 itertools 模块中的 groupby（） 函数。在应用 groupby（） 函数之前，我们使用 lambda 函数根据日期对事件列表进行排序。groupby（） 函数根据日期对事件进行分组，我们迭代这些组以提取事件名称并将它们附加到 defaultdict 中相应日期的键中。生成的字典显示分组记录，其中每个日期都有一个事件列表。
from itertools import groupby # Creating a sample list of dates and events events = [ ('2023-06-18', 'Meeting'), ('2023-06-18', 'Lunch'), ('2023-06-19', 'Conference'), ('2023-06-19', 'Dinner'), ('2023-06-20', 'Presentation') ] events.sort(key=lambda x: x[0]) # Sort the events based on dates grouped_events = defaultdict(list) for date, group in groupby(events, key=lambda x: x[0]): for _, event in group: grouped_events[date].append(event) print(dict(grouped_events))
输出
{ '2023-06-18': ['Meeting', 'Lunch'], '2023-06-19': ['Conference', 'Dinner'], '2023-06-20': ['Presentation'] }
结论
在本文中，我们讨论了如何使用不同的 Python 方法和库来基于相似的索引元素对记录进行分组。Python 提供了几种方法来实现这一点，包括 pandas groupby（） 函数、collections 模块中的 defaultdict 和 itertools 模块中的 groupby（） 函数。每种方法都有其优点，可以根据手头任务的具体要求进行选择。
