在熊猫中分组系列

Question

我是熊猫的新手。我不太了解它，所以请放轻松我。 我试图用线图在2009年到2013年绘制A区和B区的面积与火的频率。我想出了如何导入.csv文件，但我有问题分组系列和创建图形。 我的csv文件如下所示：

Date, Area, NaturalDisaster
12/10/2009, A, Fire
12/13/2009, B, Flood
01/12/2010, B, Fire
05/01/2011, A, Fire
30/11/2012, B, Flood
14/03/2013, B, Fire

那么请你帮我开始吧。我将不胜感激任何帮助。 谢谢。

Answer 1

您可以使用pandas.DataFrame.groupby对pandas中的数据进行分组。

groupby和类似函数背后的主要思想是"Split - Apply - Combine"，一般来说，你：

• 将数据集拆分为组
• 将一些聚合函数应用于每个组，
• 将它们重新组合在一个新的数据框中。

要获得A区和B区内发生的火灾频率，您必须先选择火灾而不是洪水的行，您可以使用boolean indexing执行此操作：

df[df['NaturalDisaster']=='Fire']

然后，您需要根据区域（A或B）进行分组（或拆分）。您只需使用groupby('Area')即可完成此操作。将其添加到上一行代码中会变为：

df[df['NaturalDisaster']=='Fire'].groupby('Area')

最后在pandas中你需要apply some aggregate function到你的小组（申请阶段），我们将使用count()来计算结果数量。然后这一行成为：

df[df['NaturalDisaster']=='Fire'].groupby('Area').count()

但是有一个问题。此结果有两列，其中包含完全相同的数字。那是因为我们计算了Date列和NaturalDisaster列。这个重复的信息可能很烦人，所以我们在进行计数时只需要一列。最后一行成为

areas = df[df['NaturalDisaster']=='Fire'].groupby('Area')['NaturalDisaster'].count()

我们现在已经计算了A区和B区发生的火灾事故，但理想情况下我们想要频率。我们可以通过除以sum(areas)：

给出的火灾事故总数来得到这个数据

areas /= sum(areas)

我们现在有一个数据框，其中包含A区和B区的火灾事故频率。我们可以plot this as a bar chart只使用

areas.plot(kind='bar')

将所有代码组合成一堆，它变为：

from io import StringIO

import pandas as pd
import matplotlib.pyplot as plt


s = '''Date, Area, NaturalDisaster
12/10/2009, A, Fire
12/13/2009, B, Flood
01/12/2010, B, Fire
05/01/2011, A, Fire
30/11/2012, B, Flood
14/03/2013, B, Fire'''

df = pd.read_csv(StringIO(s), sep=',\s+', engine='python')

# Ignore everything above this part, it's simply creating your dataframe.

areas = df[df['NaturalDisaster']=='Fire'].groupby('Area')['NaturalDisaster'].count() 
areas /= sum(areas)

areas.plot(kind='bar')

plt.show()

最后，我使用groupby回答了这个问题，因为你特意询问了它，但是你也可以使用pandas.pivot_table来做同样的操作（以及同样强大的东西）。使用areas创建pivot_table数据框就像是

areas = pd.pivot_table(df[df['NaturalDisaster']=='Fire'],
                       values='NaturalDisaster', 
                       index='Area', 
                       aggfunc='count')

然后，您将继续使用上面给出的相同代码。