Groupby分类统计

前言：

Hadley Wickham创造了一个用于表示分组运算的术语“split-apply-combine”（拆分－应用－合并）。第一个阶段，pandas对象中的数据会根据你所提供的一个或多个键被拆分（split）为多组。拆分操作是在对象的特定轴上执行的。例如，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（apply）到各个分组并产生一个新值。最后，所有这些函数的执行结果会被合并（combine）到最终的结果对象中。结果对象的形式一般取决于数据上所执行的操作。下图大致说明了一个简单的分组聚合过程。

1. 按列分组

按列分组分为以下三种模式：

第一种：df.groupby(col)，返回一个按列进行分组的groupby对象；

第二种：df.groupby([col1,col2])，返回一个按多列进行分组的groupby对象；

第三种：df.groupby(col1)[col2] 或者 df[col2].groupby(col1)，两者含义相同，返回按列col1进行分组后col2的值；

首先生成一个表格型数据集：

2 遍历各分组

GroupBy对象支持迭代，可以产生一组二元元组（由分组名和数据块组成）。

例如：对groupby对象进行迭代，并打印出分组名称和每组元素。

关键技术：采用for函数进行遍历，name表示分组名称，group表示分组数据。程序代码如下所示：

对于多重键的情况，元组的第一个元素将会是由键值组成的元组：

当然，你可以对这些数据片段做任何操作。有一个你可能会觉得有用的运算，将这些数据片段做成一个字典：

 groupby默认是在axis=0上进行分组的，通过设置也可以在其他任何轴上进行分组。拿上面例子中的df来说，我们可以根据dtype对列进行分组：

可以如下打印分组：