数据聚合与分组运算——GroupBy技术(1)，有需要的朋友可以下。

pandas了灵活高效的groupby，它使你能以一种自然的方式对数据集切片、切块、等操作。

• 根据或多个键（可以是、数组或DataFrame列名）拆分pandas对象。
• 计算分组，如计数、平均值、标准差，或。
• 对DataFrame的列应用各种各样的。
• 应用组内转换或其他运算，如规格化、线性回归、排名或选取子集等。
• 执行分位数分析其他分组分析。

1、分组键可以有多种形式，且类型不必相同

• 列表或数组，其长度与待分组的轴一样。
• 字典或Sers，给出待分组轴上的值与分组名之对应关系。
• ，用于处理轴索引或索引中的各个。

后三种都只是快捷方式而已，其最终目的仍然是产生一组用于拆分对象的值。

2、首先来看看下面简单的型数据集（以DataFrame的形式）：

假设你想要按key1分组，并计算data1列的平均值，可以访问data1，并根据key1groupby：

3、如果一次传入多个数组，就会得到不同的结果：

通过两个键对数据了分组，得到的Sers具有层次化索引（由唯一的键对组成）：

无论你拿groupby做什么，都有可能会用到GroupBy的size，它可以返回含有分组大小的Sers：

GroupBy对象迭代，可以产生一组二元（由分组名和数据块组成）。看看下面简单的数据集：

-0.592994 b two 对于多重键的情况，的第元素将会是由键值组成的：

对于由DataFrame产生的GroupBy对象，如果用（单个字符串）或一组（字符串数组）列名对其索引，就能实现选取部分列聚合的目的，即：

7、通过字典或Sers分组

除数组以外，分组信息还可以其他形式存在，来看DataFrame示例：

-0..251905 Sers也有同样的，它可以被看做固定大小的映射。对于上面那个例子，如果用Sers作为分组键，则pandas会检查Sers以确保其索引跟分组轴是对齐的：

相较于字典或Sers，Python在定义分组映射关系时可以更有创意且更为抽象。任何被当做分组键的都会在各个索引值上被一次，其返回值就会被用作分组。

具体点说，以DataFrame为例，其索引值为人的名字。假设你希望根据人名的长度分组，虽然可以求取字符串长度数组，但其实仅仅传入len：

将跟数组、列表、字典、Sers混合也不是，因为任何东西最终都会被转换为数组：

层次化索引数据集最的地方在于它能够根据索引级别聚合。要实现该目的，通过level关键字传入级别编号或：

SQL经常将聚合函数与GROUP BY进行组合，对数据进行分组统计分析，python在分析数据中也可以实现相同的功能，而且python也是用GROUPBY

• 如果是基于单列进行分组，括号中可以填入列名，如'用户类型'，也可以填入Series，如df['用户类型']
• 如果是基于多列进行分组，括号中可以填入列名组成的列表，如["用户类型","区域"]，也可以填入Series组成的列表，如[df["用户类型"],df["区域"]

df.groupby()生成的也是DataFrame，有时可能需要在统计分析前选择列，可按照筛选列的方法进行操作，具体见，不设置筛选时，默认是选择全部列

例如你只需要对7月销售额进行统计分析，可以写成df.groupby("用户类型")["7月销售额"]

• 对选择出来的列进行单一统计

• 对选择出来的列进行多种统计，此时需要借助aggregate方法，对分组后选择的列同时进行多种统计

• 对选择出来的列，不同列进行不同的统计，如一个列进行求和，一个列进行求平均，仍需要借助aggregate方法，不过这个时候需要传入以列名为键，统计函数为值的字典

默认以分组中的某列或某些列为索引，但有时候我们并不想要这样的索引，此时有两种方法处理：