Python处理大数据的2个神奇操作

Python有个处理大数据的处理库，结合xlrd库，大数在做一些大数据的个神处理统计工作的时候很好用，譬如做性能测试，奇操你的处理结果数据如何统计，python有个库pandas，大数这个就很擅长做这个工作，个神这里就讲2个pandas的奇操骚操作。 pandas中groupby、处理Grouper和agg函数的大数使用。这2个函数作用类似，个神都是奇操对数据集中的一类属性进行聚合操作，比如统计一个用户在每个月内的处理全部花销，统计某个属性的大数最大、最小、个神累和、平均等数值。 

统计“ext price”这个属性在每个月的云服务器提供商累和(sum)值

import pandas as pd import collections df = pd.read_excel("D:/Download/chrome/sample-salesv3.xlsx") #print (df.head(10)) df["date"] = pd.to_datetime(df["date"]) # print (df.head(10)) df1 = df.set_index("date").resample("M")[ext price].sum() # print(df1.head())  

统计每个用户每个月"ext price"这个属性的sum值，利用Grouper

df2 = df.groupby(["name",pd.Grouper(key = "date",freq="M")])["ext price"] print(df2.head(10))  

Agg

agg函数，它提供基于列的聚合操作。而groupby可以看做是基于行，或者说index的聚合操作。

从实现上看，groupby返回的是一个DataFrameGroupBy结构，这个结构必须调用聚合函数(如sum)之后，才会得到结构为Series的数据结果。

而agg是DataFrame的直接方法，返回的也是一个DataFrame。当然，很多功能用sum、mean等等也可以实现。但是agg更加简洁, 而且传给它的香港云服务器函数可以是字符串，也可以自定义，参数是column对应的子DataFrame

获取"ext price","quantity","unit price"3列的各自的累计值和均值

df3 = df[["ext price","quantity","unit price"]].agg(["sum","mean"]) print(df3.head())  

可以针对不同的列使用不同的聚合函数

df4 = df.agg({ "ext price":["sum","mean"],"quantity":["sum","mean"],"unit price":["mean"]}) print(df4.head())  

也可以自定义函数，比如，统计sku中，购买次数最多的产品编号，通过lambda表达式来做。

#统计sku中，购买次数最多的产品编号 get_max = lambda x:x.value_counts(dropna=False).index[0] get_max.__name__ = "most frequent" df5 = df.agg({ "ext price":["sum","mean"],  "quantity":["sum","mean"],  "unit price":["mean"],  "sku":[get_max]  }) print(df5)  

如果希望输出的列按照某个顺序排列，可以使用collections的OrderedDict

agg_dict = {   "ext price":["sum","mean"],  "quantity":["sum","mean"],  "unit price":["mean"],  "sku":[get_max] } #按照列名的长度排序。OrderedDict的顺序是跟插入顺序一致的 df6 = df.agg(collections.OrderedDict(sorted(agg_dict.items(),key=lambda x:len(x[0])))) print(df6)  

源数据的链接：https://github.com/chris1610/pbpython/tree/master/data

站群服务器