《Python for Data Analysis》
GroupBy
分组运算：split-apply-combine(拆分-应用-合并)
DataFrame可以在其行（axis=0）或列（axis=1）上进行分组。然后，将一个函数应用到各个分组并产生新值。最后，所有这些函数的执行结果会被合并到最终的结果对象中去。
GroupBy的size方法可以返回一个含有分组大小的Series。
对分组进行迭代
for (k1,k2), group in df.groupby(['key1','key2']): print k1,k2 print group
选取一个或一组列
df.groupby(['key1','key2'])[['data2']].mean()
通过字典或Series进行分组
只需将字典或Series传给groupby即可。
通过函数分组
people.groupby(len).sum() #根据人名的长度进行分组
通过索引级别分组
层次化索引数据，根据索引级别进行聚合，通过level关键字传入级别编号或名称。
df.groupby(level='cty',axis=1).count()
数据聚合
经过优化的groupby方法
| 函数名 | 说明 |
|---|---|
| count | 分组中非NA值得数量 |
| sum | 非NA值的和 |
| mean | 非NA值的平均值 |
| median | 非NA值的算术平均数 |
| std、var | 无偏（分母为n-1）标准差和方差 |
| min、max | 非NA值的最小值和最大值 |
| prod | 非NA值的积 |
| first、last | 第一个和最后一个非NA值 |
对于上述描述统计方法，可以将函数名以字符串的形式传入agg方法。例如：grouped.agg(['mean', 'std'])
如果要使用自己的聚合函数，只需将其传入aggregate或agg方法即可
def peak_to_peak(arr): return arr.max() - arr.min() grouped.agg(peak_to_peak)
面向列的多函数应用，可以对不同的列使用不同的聚合函数或者一次应用多个函数。
如果传入一组函数或函数名，得到的DataFrame的列就会以相应的函数命名
如果传入的是一个由（name,function）元组组成的列表，各个元组的第一个元素就会被用作DataFrame的列名。
不同的列使用不同的聚合函数也可以向agg传入一个从列名映射到函数的字典
grouped.agg(['mean', 'std', peak_to_peak]) # 1
grouped.agg([('foo', 'mean'), ('bar', np.std)]) # 2
functions = ['count', 'mean', 'max']
result = grouped['tip', 'bill'].agg(functions) # 3
grouped.agg({'tip' : np.max, 'bill' : 'sum'}) # 4
分组级运算和转换
transform
transform会将一个函数应用到各个分组，然后将结果放置到适当的位置上。如果各个分组产生的是一个标量值，则该值就会被广播出去。
apply
一般性的“拆分-应用-合并”
tips.groupby('smoker').apply(top)相当于top函数在DataFrame的各个片段上调用，然后结果由pandas.concat组装到一起，并以分组名称进行了标记。，于是，最终结果就有了一个层次化索引，其内层索引值来自于原DataFrame.
禁止分组键： 分组键会跟原始对象的索引共同构成结果对象中的层次化索引。将group_keys=False传入groupby即可禁止该效果。tips.groupby('smoker', group_keys=False).apply(top)
在GroupBy对象上调用describe相当于f = lambda x : x.describe(); grouped.apply(f).
数据汇总工具
透视表 pivot_table
根据一个或多个键对数据进行聚合，并根据行和列上的分组键将数据分配到各个矩形区域。
tips.pivot_table('tip_pct', index=['time', 'size', 'smoker'],
columns='day', aggfunc='mean', fill_value=0)
| 参数名 | 说明 |
|---|---|
| values | 待聚合的列的名称。默认所有列 |
| rows | 用于分组的列名或者其他分组键，出现在结果透视表的行 |
| cols | 用于分组的列名或者其他分组键，出现在结果透视表的列 |
| aggfunc | 聚合函数或函数列表，默认“mean”。可以是任何对groupby有效的函数 |
| fill_value | 用于替换结果表中缺失值 |
| margins | 添加行/列小计和总计，默认为False |
交叉表 crosstab
是一种用于计算分组频率的特殊透视表。
pd.crosstab([tips.time, tips.day], tips.smoker, margins=True)
以上这篇pandas数据分组和聚合操作方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
