pandas聚合&分组函数记录

1.聚合函数aggregate()：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(3, 4).round(3),columns = ['A', 'B', 'C', 'D'])
print(df)

（1）整体聚合：df.aggregate(np.sum)，默认按列聚合，内置函数可更换

（2）对某一列聚合：df['A'].aggregate(np.sum)

（3）对多列分别聚合：df [ ['A','B'] ] .aggregate(np.sum)——>注意双层括号代表选取多列

（4）对每个列都运用不同函数：df [ ['A','B'] ] .aggregate( [ np.sum,np.mean ])

（5）对单个列运用不同函数：df ['A'].aggregate( [ np.sum,np.mean ])

（6）对不同列运用不同函数：df.aggregate( {'A':np.sum,'B':np.mean} )

2.拆分-应用-组合

（1）拆分：groupby(“key”)函数，沿任意轴分组，指定的key键可作为组名

import pandas as pd
import numpy as np
df = pd.DataFrame({'Name': ['John', 'Helen', 'Sona', 'Ella'],
   'score': [82, 98, 91, 87],
   'option_course': ['C#','Python','Java','C']} )
print(df)
#groupby分组，并用groups查看分组结果
print(df.groupby('score').groups)
#使用get_group获取某个组的内容
print(df.groupby('score').get_group(91))

（2）应用：对groupby对象应用多个聚合函数时使用agg()/aggregate()函数，结果一致

import pandas as pd
import numpy as np
df = pd.DataFrame({'name': ['John', 'Helen', 'Sona', 'Ella'],
   'score': [82, 98, 91, 87],
   'option_course': ['C#','Python','Java','C']} )
print(df)
res=df.groupby('name')
print(res['score'].agg(np.mean))
print(res['score'].agg([np.sum,np.mean]))

（3）组合：行列转换transform与过滤filter

transform( func() )：传入函数，返回一个与自身形状相同的df

函数理解：如何理解pandas中的transform函数 - 知乎 (zhihu.com)

filter函数分为两种情况：

——>与groupby合用时，可自定义筛选条件

——>单独使用时，如下所示，除去轴方向选择，其他条件不可同时出现

df.filter(
    items=对轴标签筛选
    like: 模糊查询
    regex: 正则匹配
    axis=0/1
)

函数理解例子： 

 Python学习笔记：pd.filter、query筛选数据 - Hider1214 - 博客园 (cnblogs.com)