DataFrame 的 groupby()使用

@创建于：20210813
@修改于：20210813

1、【易百教程】Pandas分组（GroupBy）

# 语法顺序和逻辑执行顺序
df.groupby([Column1,Column2])[Condition1].agg({Column3: "mean",Column4:"sum"}).reset_index()
# https://blog.csdn.net/weixin_43618989/article/details/105585486

在许多情况下，我们将数据分成多个集合，并在每个子集上应用一些函数。在应用函数中，可以执行以下操作：

聚合 - 计算汇总统计
转换 - 执行一些特定于组的操作
过滤 - 在某些情况下丢弃数据

将数据拆分成组Pandas对象可以分成任何对象。有多种方式来拆分对象，如：

obj.groupby(‘key’)
obj.groupby([‘key1’,’key2’])
obj.groupby(key,axis=1)

查看分组

df.groupby(‘Team’).groups

迭代遍历分组
使用groupby对象，可以遍历类似itertools.obj的对象。

for name,group in grouped:
    print (name)
    print (group)

选择一个分组

grouped.get_group(2014)

聚合：
聚合函数为每个组返回单个聚合值。当创建了分组(group by)对象，就可以对分组数据执行多个聚合操作。一个比较常用的是通过聚合或等效的agg方法聚合。
通过分组系列，还可以传递函数的列表或字典来进行聚合，并生成DataFrame作为输出 -

grouped[‘Points’].agg(np.mean)
grouped[‘Points’].agg([np.sum, np.mean, np.std]

转换：
分组或列上的转换返回索引大小与被分组的索引相同的对象。因此，转换应该返回与组块大小相同的结果。

grouped = df.groupby(‘Team’)
score = lambda x: (x - x.mean()) / x.std()*10
print (grouped.transform(score))

过滤：
过滤根据定义的标准过滤数据并返回数据的子集。filter()函数用于过滤数据。

df = pd.DataFrame(ipl_data)
filter = df.groupby(‘Team’).filter(lambda x: len(x) >= 3)

2、官网：pandas.DataFrame.groupby

3、其他网站

• Pandas教程 | 超好用的Groupby用法详解

• groupby()以及绘图