pandas中groupby()函数的使用-----分组、聚合运算

       groupby(keys)函数是pandas中的一种很有用的分组运算，其可以通过参数keys指定列，通过指定的列对DataFrame进行分组，返回一个groupby对象，其是一个由对应的(name,groupby_object)元组组成的可迭代对象。分组之后，目的是为了进行每组的聚合运算，因此必须对groupby对象进行聚合运算，得到最终的DataFrame。

       如下代码运行示例，先构造一个df，然后指定keys进行分组，得到grouped，其是一个groupby对象，然后对每组求均值，可以直接调用mean()。这里只要是Series中的函数都可以直接这样调用，因为可以把每个分组直接看成是分开的Series。最后便可以得到每组对应的均值结果。这里mean()就是一个聚合运算。

df
Out[37]: 
   c1  c2  c3 keys
0   0   1   2    a
1   3   4   5    b
2   6   7   8    c
3   9  10  11    c
4  12  13  14    b
5  15  16  17    c
6  18  19  20    a
7  21  22  23    a
8  24  25  26    b

grouped=df.groupby('keys')

grouped.mean()
Out[39]: 
      c1  c2  c3
keys            
a     13  14  15
b     13  14  15
c     10  11  12

       此外，这里对每个分组进行处理的函数不一定是Series预定义的函数，还可以是自己定义的函数，然后通过groupby对象的agg()函数传入即可。如下代码示例，先自己定义了一个test函数，其作用是返回一个Series的极差。分组之后，可以通过groupby对象的agg(func)函数，其中参数func就是要传入的函数名称，之后便可以得到每组的极差。如果需要对聚合函数处理之后的列指定一个名称（如果没指定，就默认为函数名），那么可以以元组组成的列表传给参数，其中元组的第一个元素会被认为是列名，当然这里可以传入多个元组，即可以传入多个聚合函数对每组进行处理，如此处理后便会出现列的层次索引。

       如果需要对不同的列进行不同的处理，则可以传入字典，其中键值为对应的列名，值为函数名。当然，这里的值也可以是前述的元组，或者元组列表，以对同一列进行不同的处理，并且重命名。

def test(x):
    return x.max()-x.min()



grouped.agg(test)
Out[47]: 
      c1  c2  c3
keys            
a     21  21  21
b     21  21  21
c      9   9   9

       如果是对有多层次索引的DataFrame，也可以通过groupby()的level参数指定哪一个层次的索引进行分组，这个level参数可以是层次索引的名称标签，也可以是在层次索引中的位置。 

       groupby()函数对DataFrame先分组，然后再通过预定义的或者自定义的聚合函数进行每组的运算，最后得到以分组的列为索引的DataFrame；这是数据处理中很常用的一个过程，对于这个过程，pandas中可以直接通过groupby()函数实现，即高效又简便。