GroupBy，然后使用str.contains标准的均值/中值/模式

基础概念

GroupBy 是数据处理中的一个常见操作，主要用于将数据按照某个或多个列的值进行分组，以便对每个组进行聚合计算。在 Python 的 Pandas 库中，GroupBy 是一个非常强大的功能。

str.contains 是 Pandas 中的一个字符串方法，用于检查字符串是否包含指定的子串。它返回一个布尔值的序列，表示每个元素是否包含指定的子串。

相关优势

1. 灵活性：GroupBy 允许你按照任意列的值进行分组，并对每个组应用不同的聚合函数。
2. 高效性：Pandas 的 GroupBy 操作经过优化，可以高效地处理大规模数据集。
3. 易用性：str.contains 方法简单易用，可以方便地筛选出包含特定子串的数据。

类型

在 GroupBy 操作后，可以使用多种聚合函数，如：

• 均值 (mean)
• 中值 (median)
• 模式 (mode)

应用场景

假设你有一个包含销售数据的 DataFrame，你想按照产品类别分组，并计算每个类别中销售额的均值、中值和最常出现的销售额（模式）。

示例代码

import pandas as pd

# 创建示例数据
data = {
    'Category': ['A', 'A', 'B', 'B', 'A', 'B'],
    'Sales': [100, 200, 150, 250, 100, 300]
}
df = pd.DataFrame(data)

# 使用 GroupBy 和 str.contains 进行聚合计算
grouped = df.groupby('Category')['Sales']

# 计算均值
mean_sales = grouped.mean()
print("Mean Sales:\n", mean_sales)

# 计算中值
median_sales = grouped.median()
print("Median Sales:\n", median_sales)

# 计算模式
mode_sales = grouped.apply(lambda x: x.mode()[0])
print("Mode Sales:\n", mode_sales)

参考链接

• Pandas GroupBy 文档
• Pandas str.contains 文档

常见问题及解决方法

问题：在使用 GroupBy 和 str.contains 时，遇到 KeyError 错误。

原因：通常是因为指定的列名不存在于 DataFrame 中。

解决方法：

1. 确保列名拼写正确，并且与 DataFrame 中的列名完全匹配。
2. 使用 df.columns 查看 DataFrame 的所有列名，确保列名存在。

# 示例：检查列名
print(df.columns)

问题：在使用 str.contains 时，遇到 TypeError 错误。

原因：通常是因为 str.contains 方法应用于非字符串类型的列。

解决方法：

1. 确保要应用 str.contains 的列是字符串类型。
2. 使用 df[column_name].astype(str) 将列转换为字符串类型。

# 示例：将列转换为字符串类型
df['Category'] = df['Category'].astype(str)

通过以上方法，你可以有效地使用 GroupBy 和 str.contains 进行数据处理和分析。