[Pandas][基础]分组

SAC过程

1. 内涵
   SAC指的是分组操作中的split-apply-combine过程
   其中split指基于某一些规则，将数据拆成若干组，apply是指对每一组独立地使用函数，combine指将每一组的结果组合成某一类数据结构
2. apply过程
   在该过程中，我们实际往往会遇到四类问题：
   整合（Aggregation）——即分组计算统计量（如求均值、求每组元素个数）
   变换（Transformation）——即分组对每个单元的数据进行操作（如元素标准化）
   过滤（Filtration）——即按照某些规则筛选出一些组（如选出组内某一指标小于50的组）
   综合问题——即前面提及的三种问题的混合

groupby函数

基本内容

可根据列分组（一列或者多列）
-组的遍历时
for name,group in grouped_single: print(name) display(group.head())
第一个参数就是name，第二个参数为group的DataFrame 如果只有一个参数就是group的DataFrame

• level参数
  df.set_index(['Gender','School']).groupby(level=1,axis=0).get_group('S_1')
  level 指的是多层索引，最外面的是level 0

groupby对象的特点

• 分组对象的head和first
  对分组对象使用head函数，返回的是每个组的前几行，而不是数据集前几行
  first显示的是以分组为索引的每组的第一个分组信息
• 对于groupby函数而言，分组的依据是非常自由的，只要是与数据框长度相同的列表即可，同时支持函数型分组
• groupby的[]操作
  可以用[]选出groupby对象的某个或者某几个列

聚合、过滤和变换

聚合（Aggregation）

所谓聚合就是把一堆数，变成一个标量，因此mean/sum/size/count/std/var/sem/describe/first/last/nth/min/max都是聚合函数

• 同时使用多个聚合函数
  group_m.agg(['sum','mean','std'])
• 指定作用于哪些列
  grouped_mul.agg({'Math':['mean','max'],'Height':'var'})
• 利用NamedAgg函数进行多个聚合
  注意：不支持lambda函数，但是可以使用外置的def函数

过滤（Filteration）

filter函数是用来筛选某些组的（务必记住结果是组的全体），因此传入的值应当是布尔标量

变换（Transformation）

transform函数中传入的对象是组内的列，并且返回值需要与列长完全一致

apply函数

可能在所有的分组函数中，apply是应用最为广泛的，这得益于它的灵活性：