本文详细介绍了Pandas的GroupBy操作，包括分组、用函数处理和合并三个阶段。通过示例展示了如何根据DataFrame的列进行分组并计算特定列的均值。此外，还讲解了等级分组，即使用多列作为分组键。GroupBy对象是这一过程的核心，允许对每组应用各种函数并合并结果。
Pandas GroupBy用法，现在，我们来深入分析GoupBy过程及其工作原理，它的操作模式由三个阶段组成：
分组：将数据集分成多个组
用函数处理：用函数处理每一个组
合并：把不同组得到的结果合并起来
第一阶段，也就是分组阶段，根据给定标准，把Series或DataFrame等数据结构中的数据分成不同的组，分组标准常与索引或某一列具体的元素相关。
第二阶段也称为“用函数处理”，使用函数处理或者执行由函数定义的计算，为每组数组生成单一的值。
第三阶段为合并，把来自每一组的结果汇集到一起，合并成一个新对象。
GroupBy 实例
Pandas 并没有使用三个函数来表示这个过程，而只使用了groupby()函数，它生成的GroupBy对象是整个过程的核心。通过如下例子来帮助理解，首先定义一个既包含数值又包含字符串的DataFrame对象。
输出结果如下:
假如想使用Color列的组标签，计算price1列的均值，你可以先获取到price1列，然后调用groupby()函数，参数指定为color列。
输出结果如下:
得到的对象为GroupBy对象，刚进行的操作其实就是分组操作，把含有相同颜色的行分到同一个组中。
可以调用GroupBy对象的group属性，查看DataFrame各行的分组情况，每个组指定好它所包含的行，就可以对每组进行操作获取结果了。
输出结果如下:
等级分组
前面介绍了用一列元素作为键为数据分组，同理，也可以使用多列，也就是使用多个键，按照等级关系分组。如下例所示：
输出结果如下:
我们也可以按照多列数据或整个DataFrame把数据分成几组，如果你不想反复多次使用GroupBy对象，最方便的办法就是一次就把所有的分组依据和计算方法都指定好，无需定义任何中间变量，如下列所示：
输出结果如下:
扫一扫
4633
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
