python pandas 集計処理(group by関数)

pandas 集計処理(groupby関数)について

■集約処理について
同じ集約単位に対する複数の処理を行う場合には、groupby関数関数を利用することで 同時に集約処理が可能だが、集約処理が1つの場合は、agg関数を使わない方が簡潔に書ける。

import numpy as np
import pandas as pd

index	ID	日	時	セッション	閲覧時間
0	328667572	31	16	38	5
1	70373573	24	23	37	7
2	1839656582	12	20	28	6
4	1471882803	10	22	22	7
5	302325623	20	8	22	2

↓IDをグルーピングして、閲覧時間を要素ごとにまとめる。 reset_index()でDataFrameのままで出力。

sample2=sample.groupby('ID')['閲覧時間'].apply(list).reset_index()

	ID	閲覧時間
0	9460	[4, 6]
1	72625	[6, 6]
2	85657	[6, 5, 4]
3	86703	[0, 0]
4	106015	[5, 6, 0]
5	111931	[2, 2, 7]

↓IDをグルーピングして、閲覧時間を要素ごとにまとめる。 reset_index()でDataFrameのままで出力。

sample2=sample.groupby('ID')['閲覧時間'].apply(list).reset_index()

	ID	閲覧時間
0	9460	[4, 6]
1	72625	[6, 6]
2	85657	[6, 5, 4]
3	86703	[0, 0]
4	106015	[5, 6, 0]
5	111931	[2, 2, 7]

↓閲覧時間を要素ごとにまとめた要素をラムダを使ってsort し、ooカラム名で追加。

sample2['oo'] = sample2['閲覧時間'].apply(lambda x:sorted(x))

	ID	閲覧時間	oo
0	9460	[4, 6]	[4, 6]
1	72625	[6, 6]	[6, 6]
2	85657	[6, 5, 4]	[4, 5, 6]
3	86703	[0, 0]	[0, 0]
4	106015	[5, 6, 0]	[0, 5, 6]
5	111931	[2, 2, 7]	[2, 2, 7]

↓aggを使ってIDをグループ化。閲覧時間を合計、IDをカウント

pp =sample.groupby("ID").agg({"閲覧時間":"sum","ID":"count"})

	閲覧時間	ID
ID
9460	46	2
72625	66	2
85657	654	3
86703	0	2
106015	560	3

↓セッションの合計

sample.groupby(["ID"])["セッション"].sum().reset_index()

	ID	セッション
0	9460	2
1	72625	2
2	85657	5
3	86703	2
4	106015	3

↓グループ化と集計を同時に実行する

iine=report.groupby("月")["いいね"].aggregate(["mean", "median",max,sum,"std"]).head()
retwiit=report.groupby("月")["リツイート"].aggregate(["mean", "median",max,sum,"std"]).head()
eng=report.groupby("月")["エンゲージメント"].aggregate(["mean", "median",max,sum,"std"]).head()
cor=report.corr("pearson")
display('iine.head()', 'retwiit.head()','eng.head()',"cor")