40 Pandas怎样实现groupby聚合后字符串列的合并

需求：

计算每个月的最高温度、最低温度、出现的风向列表、出现的空气质量列表

数据输入

数据输出

读取数据

import pandas as pd

fpath = "./datas/beijing_tianqi/beijing_tianqi_2018.csv"
df = pd.read_csv(fpath)
df.head(3)

知识：使用df.info()可以查看每列的类型

df.info()

    <class 'pandas.core.frame.DataFrame'>
    RangeIndex: 365 entries, 0 to 364
    Data columns (total 9 columns):
     #   Column     Non-Null Count  Dtype 
    ---  ------     --------------  ----- 
     0   ymd        365 non-null    object
     1   bWendu     365 non-null    object
     2   yWendu     365 non-null    object
     3   tianqi     365 non-null    object
     4   fengxiang  365 non-null    object
     5   fengli     365 non-null    object
     6   aqi        365 non-null    int64 
     7   aqiInfo    365 non-null    object
     8   aqiLevel   365 non-null    int64 
    dtypes: int64(2), object(7)
    memory usage: 25.8+ KB

知识：series怎样从str类型变成int

df["bWendu"] = df["bWendu"].str.replace("℃", "").astype('int32')
df["yWendu"] = df["yWendu"].str.replace("℃", "").astype('int32')
df.head(3)

知识：进行日期列解析，可以方便提取月份

df["ymd"] = pd.to_datetime(df["ymd"])

df["ymd"].dt.month



    0       1
    1       1
    2       1
    3       1
    4       1
           ..
    360    12
    361    12
    362    12
    363    12
    364    12
    Name: ymd, Length: 365, dtype: int64

知识：series可以用Series.unique去重

df["fengxiang"].unique()



    array(['东北风', '北风', '西北风', '西南风', '南风', '东南风', '东风', '西风'], dtype=object)

知识：可以用",".join(series)实现数组合并成大字符串

",".join(df["fengxiang"].unique())



    '东北风,北风,西北风,西南风,南风,东南风,东风,西风'

方法1

result = (
    df.groupby(df["ymd"].dt.month)
      .agg(
          # 新列名 = (原列名，函数)
          最高温度=("bWendu", "max"),
          最低温度=("yWendu", "min"),
          风向列表=("fengxiang", lambda x : ",".join(x.unique())),
          空气质量列表=("aqiInfo", lambda x : ",".join(x.unique()))
      )
      .reset_index()
      .rename(columns={"ymd":"月份"})
)

result

方法2

def agg_func(x):
    """注意，这个x是每个分组的dataframe"""
    return pd.Series({
        "最高温度": x["bWendu"].max(),
        "最低温度": x["yWendu"].min(),
        "风向列表": ",".join(x["fengxiang"].unique()),
        "空气质量列表": ",".join(x["aqiInfo"].unique())
    })

result = df \
        .groupby(df["ymd"].dt.month) \
        .apply(agg_func) \
        .reset_index() \
        .rename(columns={"ymd":"月份"})

result

本文使用 文章同步助手 同步