使用 Python 对相似索引元素上的记录进行分组

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。