groupby java是什么，讓我們一起了解一下？

groupby的作用是通過一定的規(guī)則將一個數(shù)據(jù)集劃分成若干個小的區(qū)域，然后針對若干個小區(qū)域進行數(shù)據(jù)處理，groupby核心用法是利用本身的某一列或多列內容進行分組聚合。

groupby的核心用法：

（1）根據(jù)DataFrame本身的某一列或多列內容進行分組聚合，（a）若按某一列聚合，則新DataFrame將根據(jù)某一列的內容分為不同的維度進行拆解，同時將同一維度的再進行聚合，（b）若按某多列聚合，則新DataFrame將是多列之間維度的笛卡爾積，即：新DataFrame具有一個層次化索引（由唯一的鍵對組成），例如：“key1”列，有a和b兩個維度，而“key2”有one和two兩個維度，則按“key1”列和“key2”聚合之后，新DataFrame將有四個group；

注意：groupby默認是在axis=0上進行分組的，通過設置axis=1，也可以在其他任何軸上進行分組。

（2）groupby，根據(jù)分組鍵的不同，有以下4種聚合方法：

1、分組鍵為Series。

（a）使用原df的子列作為Series。

df.groupby([ df[‘key1’], df[‘key2’] ]).mean()

（b）使用自定義的Series。

mapping={‘a’:‘red’,‘b’:‘red’,‘c’:‘blue’,‘d’:‘blue’,‘e’:‘red’,‘f’:‘orange’}

map_series=pd.Series(mapping)

people.groupby(map_series,axis=1).count()

2、分組鍵為列名。

df.groupby([ ‘key1’,‘key2’ ]).mean()

3、分組鍵為數(shù)組。

states=np.array([‘Ohio’, ‘California’, ‘California’, ‘Ohio’, ‘Ohio’])

years=np.array([2004,2005,2006,2005,2006]) #自定義數(shù)組

df[‘data1’].groupby( [ states,years ] ).mean()

4、分組鍵為字典。

mapping={‘a’:‘red’,‘b’:‘red’,‘c’:‘blue’,‘d’:‘blue’,‘e’:‘red’,‘f’:‘orange’} #自定義字典。

by_column=people.groupby(mapping,axis=1).sum() #指定axis=1，表示對列數(shù)據(jù)進行聚合分組。

5、分組鍵為函數(shù)。

例如：傳入len函數(shù)(可以求取一個字符串長度數(shù)組)，實現(xiàn)根據(jù)字符串的長度進行分組。

people.groupby(len).sum() #將字符串長度相同的行進行求和。

5、分組鍵為函數(shù)和數(shù)組、列表、字典、Series的組合。

引入列表list[ ] 將函數(shù)跟數(shù)組、列表、字典、Series混合使用作為分組鍵進行聚合，因為任何東西最終都會被轉換為數(shù)組。

key_list=[‘one’,‘one’,‘one’,‘two’,‘two’] #自定義列表，默認列表順序和df的列順序一致。

people.groupby([ len,key_list ]).min()

6、分組鍵為具有多重列索引df 的列索引層次。

hier_df.groupby(level=‘cty’,axis=1).count() #利用參數(shù)level，指明聚合的層級。

代碼示例說明：

將多個字段拼接成一個新字段，在使用Java8的groupBy進行分組。

Map>?detailmap?=?details.stream()
.collect(Collectors.groupingBy(d?->?fetchGroupKey(d)?));
private?String?fetchGroupKey(EntryDeliveryDetailywk?detail){
????????return?detail.getSkuId().toString()?
????????+?detail.getItemsName()?
????????+?detail.getWarehouseId().toString()???
????????+?detail.getSupplierId().toString();
????}

?以上就是小編今天的分享了，希望可以幫助到大家。