各項工具大pk，分組聚合哪家強？

時間 2021-01-24

標籤 ide 工具 3d 調試 code blog pandas 欄目設計模式简体版

原文原文鏈接

各項工具大pk，分組聚合哪家強？

小小明凹凸數據
ide

小小明:「凹凸數據」專欄做者，Pandas數據處理專家，致力於幫助無數數據從業者解決數據處理難題。工具

凹凸們，你們好
先看一個小需求，實際上是很常見的分組聚合問題。

今天我將帶你們分別使用MySQL、Excel、Pandas、VBA和Python來實現這個需求。
這麼齊全的應該算是全網首發吧！固然也是爲了讓你們對分組聚合代碼層面的實現可以更加熟悉。
3d

MySQL實現分組統計

SQL語句：調試

SELECT 
  deal_date,
  SUM(IF(AREA= 'A區', 1, 0)) 'A區',
  SUM(IF(AREA= 'B區', 1, 0)) 'B區',
  SUM(IF(AREA= 'C區', 1, 0)) 'C區' 
FROM
  order_info 
GROUP BY deal_date ;

結果：
code

Excel實現分組統計

首先建立數據透視表：

而後將對應的字段拖動到正確的位置：

而後打開透視表選項取消這兩項勾選便可：
blog

Pandas進行分組統計

讀取數據：ip

import pandas as pd

df = pd.read_csv("data.csv", encoding="gb18030")
df

結果：

使用數據透視表操做：ci

df.pivot_table(values="order_id", index="deal_date",
               columns="area", aggfunc="count", fill_value=0)

上述代碼至關於groupby操做：pandas

df.groupby(["deal_date", "area"])["order_id"].count().unstack(1, fill_value=0)

但我通常會這樣寫：it

df.groupby(["deal_date", "area"]).size().unstack(1, fill_value=0)

結果均爲：

VBA實現分組統計

通過近1小時的痛苦的嘗試，終於編寫出了下面這段VBA代碼，它模擬實現了分組計數的過程：

Option Explicit
Function is_exists(name As String)
Dim sht As Worksheet
For Each sht In Worksheets
   If sht.name = name Then
      is_exists = True
      Exit Function
   End If
Next
is_exists = False
End Function

Sub 分組統計()
    Dim LastRow, LastCol As Long
    Dim Sh As Worksheet
    'Sh指代當前活動頁
    Set Sh = Sheets("data")
    '當前活動頁的最後一行
    LastRow = Sh.Cells(Rows.Count, 1).End(xlUp).row
    '當前活動頁的最後一列
    LastCol = Sh.Cells(1, Columns.Count).End(xlToLeft).Column
    '定義D爲字典
    Dim D As Object
    Set D = CreateObject("Scripting.Dictionary")
    Dim row, i As Integer
    Dim key, value As String

    For i = 2 To LastRow
        key = Sh.Cells(i, 3).value
        value = Sh.Cells(i, 4).value
        '若是在字典裏
        If Not D.exists(key) Then
            D.Add key, Array(0, 0, 0)
        End If
        row = D(key)
        If value = "A區" Then
            row(0) = row(0) + 1
        ElseIf value = "B區" Then
            row(1) = row(1) + 1
        ElseIf value = "C區" Then
            row(2) = row(2) + 1
        End If
        D(key) = row
    Next
    '調試輸出字典存儲的內容
    For Each key In D.keys()
        Debug.Print key & "," & Join(D(key), ",")
    Next

    Dim sht As Worksheet
    If is_exists("result") Then
        Sheets("result").Delete
    End If

    '在最後的位置增長一個sheet做爲結果表
    Sheets.Add After:=Sheets(Sheets.Count)
    Set sht = Sheets(Sheets.Count)
    sht.name = "result"

    '屏幕刷新=false
    Application.ScreenUpdating = False
    '下面寫出數據到結果表中，首先寫出標題行
    sht.Range("A1").Resize(1, 4) = Application.Transpose(Array("deal_date", "A區", "B區", "C區"))
    sht.Range("A2").Resize(D.Count, 1) = Application.Transpose(D.keys)
    i = 2
    For Each row In D.items()
        sht.Cells(i, 2).Resize(1, 3) = row
        i = i + 1
    Next
    Application.ScreenUpdating = True

End Sub

運行前：

點擊按鈕運行後：

當即窗口和工做表都看到了正確的結果輸出，當即窗口看到重複2次的輸出是由於我連續運行了兩次。

Python實現分組計數

實現代碼：

import csv
from collections import namedtuple

result = {}
columns = ["A區", "B區", "C區"]
areas_map = dict(zip(columns, range(len(columns))))
with open("data.csv", encoding="gb18030") as f:
    f_csv = csv.reader(f)
    headers = next(f_csv)
    resultSet = namedtuple("resultSet", headers)
    for r in f_csv:
        row = resultSet(*r)
        areas = result.setdefault(row.deal_date, [0, 0, 0])
        areas[areas_map[row.area]] += 1
result

結果：

{'2019/1/1': [1, 1, 1], '2019/1/2': [1, 1, 1], '2019/1/3': [1, 0, 1]}

藉助Pandas轉換爲表結構方便查看：

pd.DataFrame.from_dict(result, 'index', columns=["A區", "B區", "C區"])

結果：

下面用Python模擬一下Pandas數據透視表實現分組統計的過程：

import csv
from collections import namedtuple, Counter

result = Counter()
with open("data.csv", encoding="gb18030") as f:
    f_csv = csv.reader(f)
    headers = next(f_csv)
    resultSet = namedtuple("resultSet", headers)
    for r in f_csv:
        row = resultSet(*r)
        result[(row.deal_date, row.area)] += 1
result

結果：

Counter({('2019/1/1', 'A區'): 1,
         ('2019/1/1', 'B區'): 1,
         ('2019/1/1', 'C區'): 1,
         ('2019/1/2', 'A區'): 1,
         ('2019/1/2', 'B區'): 1,
         ('2019/1/2', 'C區'): 1,
         ('2019/1/3', 'A區'): 1,
         ('2019/1/3', 'C區'): 1})

第二步Pandas還需再對這個結果進行重塑才獲得最終所須要的結果，具體重塑的過程實際實現較爲複雜，但能夠藉助category的Series模擬實現一下：

indexs = result.keys()
index = pd.Series(map(lambda x: x[0], indexs), dtype='category')
columns = pd.Series(map(lambda x: x[1], indexs), dtype='category')
values = result.values()

data = np.zeros((len(index.cat.categories), len(columns.cat.categories)))
for x, y, v in zip(index.cat.codes, columns.cat.codes, values):
    data[x, y] = v
result = pd.DataFrame(data, index=index.cat.categories,
                      columns=columns.cat.categories, dtype='int8')
result

結果：