Pandas groupby函数实战：从分组统计到转化率计算

正文

在处理学校课程作业时，我发现Pandas中的groupby分组函数极具实用价值。借助该函数，可以高效实现多种统计分析目标。

其操作逻辑直观且简便。

本文将以往期作业数据为例，单独探讨groupby函数能完成的具体功能。

（本期所需准备）：

• Jupyter Notebook环境（Anaconda已内置）
• Pandas第三方库
• Numpy第三方库（视情况可能用到）
• 可运行上述依赖的电脑及舒适的外设
• 具备基础的Python编程知识
• 保持充足精力，携带清晰的逻辑思维继续学习

一、理解groupby机制

该函数通常作用于DataFrame对象，具有返回值且不修改原始变量，输出结果为按传入参数分组后的数据视图。

导入数据并构建DataFrame后，若按“user”字段进行分组，返回的是一个DataFrameGroupBy对象。通过遍历该对象，可观察其内部结构：

for i in f.groupby("user"):
    print(i)

结果显示，该对象由一系列元组构成，每个元组的第一个元素为设定的分组依据值。

例如，当分组依据为user时，首个元组包含user值为19500的所有记录，元组首元素即为19500。

若输出元组的第二个元素，则得到类似DataFrame格式的数据。

观察user列下的数据，可见其排列整齐有序。

二、数据文件说明

文中所用数据为特定时段内的消费者行为记录。其中，user代表消费者编号，brand代表品牌编号，behavr代表消费者行为类型（0表示浏览，1表示购买，2表示收藏，3表示加入购物车）。需注意，数据中可能存在未浏览直接购买的情况。

接下来将对上述数据进行处理，以输出具有分析价值的结果。

三、统计各商品购买量

由于需统计的“购买”行为对应behavr列中的特定值，思路为先通过条件筛选提取所有购买记录，再使用groupby按商品分类，最后调用size()方法统计每组数量，从而得出各商品的购买总量。

掌握此方法后，可举一反三：计算各商品浏览量。

建议先自行思考，再向下查阅。

实现方式相同，仅需调整初始条件过滤的数值，将代表购买的1改为代表浏览的0即可。

四、计算各商品转化率

商业数据分析中常涉及转化率指标，即购买数量与浏览数量的比值，以此评估商品吸引力。

鉴于前文已计算出各商品的浏览量与购买量，只需进行比值运算即可。

Pandas的Series运算机制恰好满足需求，它会根据键值对分别执行计算。

该Series中user名为键，数量为值，完全符合Series计算设定，直接进行除法运算即可。

Pandas通过.div()方法实现比值功能（前项除以后项）。

需注意，Series运算可能产生缺失值，因为两个Series的键未必完全一致。

即可能出现前一个Series包含某键而后一个Series缺失该键的情况。例如，brand 11仅有浏览记录而无购买记录，导致统计购买量时缺失brand 11的键，但浏览量中仍包含该键。

在计算过程中，不共有的键将表现为缺失值NaN：

若希望隐藏缺失值NaN，可在div方法中添加fill_value参数，以指定值填充缺失部分。

五、获取转化率最高的30个商品及其转化率

此步骤需借助排序功能。将前述计算得到的转化率数据通过sort_values()函数排序，并输出前30条记录即可：

• 在sort_values()函数中，将ascending参数设为False可实现降序排列（默认为True升序）。
• head(n)用于输出前n条记录，同理tail(n)用于输出最后n条记录。

简要总结

可以看出，Python语言具有高度抽象性。在使用第三方库时，无需手动设计算法即可完成操作。

库中通常封装了相关函数或方法，其底层可能由C语言等基础语言实现，执行效率远高于纯Python手写代码。

对于初学者而言，若想快速上手：

只需记忆并熟练运用这些函数即可。

这或许使得Python更像一门文科性质的编程语言……

以上为Pandas数据分析中groupby函数用法的实例详解，更多Pandas数据分析及groupby函数相关资料，敬请关注本站其他文章！