数据的聚合运算——基础篇

聚合函数

聚合就是在groupby方法对数据进行分组时，GroupBy对象高效的对数据进行切片，对每个切片使用指定的运算方法，并将结果组装成最终结果的过程。

下表列出的是最常使用的作用于GroupBy对象的聚合运算方法，

1）选取GroupBy对象的一列聚合运算

2）选取GroupBy对象的多列聚合运算

3）自定义聚合函数（aggregate和agg方法）

如果使用的是自己编写的聚合函数，需要使用aggregate或者agg方法传入GroupBy对象后才能被执行，

聚合高级应用

首先创建一个小费的DataFrame用于之后的演示，

面向列的多函数应用

之前使用 aggregate方法，或者直接使用pandas的聚合方法都是对一个或者多个列执行同一种方法，现在有需求是同时对不同列使用不同的聚合方法，继续使用上方的小费数据集，

1）agg方法对GroupBy对象的一列使用一个方法

2）agg方法对GroupBy对象的一列使用多个方法

agg方法对分组变量的tip_pct这列进行多种方法的操作后，可以指定列名，方式是传入（name，function）这样的元组构成的列表，

3）agg方法对多列使用多种相同的方法

得到的结果列名也是层次化的，

4）agg方法对分组变量的多列使用多种不同的方法

具体的做法是传入一个字典，key是要操作的列名，value是执行的不同的函数，

无索引形式返回聚合变量(groupby方法as_index=False）

之前的例子中，用于分组的列都最终变为分组变量和聚合变量的索引，如果设置groupby方法的as_index参数为False，则用于分组的列不会以索引形式出现在结果中，但是出现在最前面的列中，

官方文档中提示，as_index=False会在一定程度上使结果缺乏灵活性。

分组别运算和转换

1）transform方法

一般的，mean方法是对分组变量进行操作，最终得到的也是分组的结果，


先将np.mean方法作用到groupby产生的不同的GroupBy对象上，之后再将结果放置到适当地位置上，


transform所得结果的索引与源数据相同，此外，transform方法也支持传入自定义函数，

2）apply方法

该方法的演示使用之前的小费数据集，apply方法将数据分成小块，并对每一块使用传入的方法，最后再将各片段组合。首先选出tip_pct最高的几个记录，


上面是对整个dataframe使用top方法返回的结果，现在想获取到通过“smoker”这一列进行分组后，每组最高的前几名的方法如下，

如果是根据多列进行分组，再使用apply方法，

apply方法是对每个组执行传入的方法，分组变量最终形成groupby对象的索引，可以使用group_keys参数指定是否禁止分组键，

返回的对象不会把分组变量作为索引，与之前内容中as_index参数的区别是，group_keys为False时，分组列的位置不会变动。

3）cut与qcut方法的分组运算

cut方法和qcut方法的使用参考笔记，首先回顾cut方法的使用，

cut方法返回的对象可以直接用于groupby方法，

qcut与cut方法的分组运算同理，