15、数据分组聚合、过滤与转换全攻略

数据分组聚合、过滤与转换全攻略

在数据处理与分析过程中，分组聚合、过滤与转换是极为常见且重要的操作。本文将详细介绍如何使用Python的pandas库进行这些操作，包括分组聚合的多种语法、处理多级索引、自定义聚合函数以及深入探究 groupby 对象等内容。

分组聚合的多种语法

分组聚合是数据分析中常用的操作，pandas提供了多种语法来实现这一功能。以下是主要的几种方式：
1. 使用字典进行灵活聚合 ：

df.groupby(['grouping', 'columns']) \
  .agg({'agg_cols1':['list', 'of', 'functions'],
        'agg_cols2':['other', 'functions']})

这种方式允许为每个聚合列指定不同的聚合函数，非常灵活。
2. 使用列表应用多个聚合函数 ：

df.groupby(['grouping', 'columns'])['aggregating', 'columns'] \
  .agg([aggregating, functions])

此方法会将列表中的每个函数应用到每个聚合列上。
3. 直接使用方法进行聚合 ：