Python之---【Pandas】聚合技术（GroupBy技术）

1.分组运算

所谓的“分组运算”是多个步骤的一个组合，我们可以拆分为“split-apply-combine”（拆分-应用-合并），我觉得这个词很好的描述了整个过程。分组运算的第一个阶段，pandas对象（无论是Series，DataFrame还是其他的）中的数据会根据你所提供的一个或多个“key”，被拆分（split）为多个组。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）或者列（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，所有的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。
注意：apply函数为聚合函数，例如，sum、mean、min、max等
下图展示了分组聚合的过程:

分组的key可以有多种形式，且类型不必相同：

• 1.列表或数组，但是其长度与待分组的轴是一样的。
• 2.表示DataFrame某个列明的值
• 3.字典或者Series，给出带分组轴上的值与分组名之间的对应关系。
• 4.函数，用于处理轴索引或者索引中的各个标签
  ** 注意：后三种只是快捷方式而已，其最终的目的仍然是产生一组用于拆分对象的值**

2.代码演示

如果觉得上面的东西看起来很抽象，不用担心，我将在下面给出大量示例。首先来看一下下面这个非常简单的表格型数据集（以DataFrame的形式给出）

import pandas as pd 
import numpy as np
df = pd.DataFrame({'key1':['a','a','b','b','a'],
                   'key2':['one','two','one','two','one'],
                   'data1':np.random.randn(5),
                   'data2':np.random.randn(5)})
print(df)

运行结果：
  key1 key2     data1     data2
0    a  one  0.015108  0.304983
1    a  two  2.054185 -0.009759
2    b  one -1.057348 -1.703048
3    b  two -3.696947 -0.788548
4    a  one  1.452735  0.388301

• 如果想按照‘key1’进行分组，并计算data1列的平均值。实现该功能的方式很多，而我们这里要用的是：访问data1，并根据key1调用groupby：

grouped = df['data1'].groupby(df['key1'])
print(grouped)

运行结果：
<pandas.core.groupby.groupby.SeriesGroupBy object at 0x1a2308ddd8>

• 变量grouped是一个GroupBy对象，它实际上还没有进行任何计算，只是含有一些有关分组键df[‘key1’]的中间数据而已。换句话说，该对象已经有了接下来对各个分组执行运算所需要的一切信息。例如，我们可以调用GroupBy的mean方法来计算分组平均值：

get_mean = grouped.mean()
print(get_mean)

运行结果：
key1
a    1.174009
b   -2.377148
Name: data1, dtype: float64

• 稍后会将会详细讲解.mean()的调用过程，这里最重要的是，数据（Series）根据分组键进行了聚