Pandas学习笔记05-分组统计与数据透视表

对数据集进行分类，并在每组数据上进行聚合操作，是非常常见的数据处理，类似excel里的分组统计或数据透视表功能。
pandas提供了比较灵活的groupby分组接口，同时我们也可以使用pivot_table进行透视处理。

1.分组

分组函数groupby，对某列数据进行分组，返回一个Groupby对象。

在进行groupby分组后，我们可以对分组对象进行各种操作，比如求分组平均值mean（）

很多时候，我们需要返回dataframe型数据进行二次操作

size()方法可以获取各分组的大小

遍历分组

[[]]和[]在返回结果上的区别

有时候，我们可以通过传递函数进行分组，简化代码

2.聚合

常见的聚合函数如下：

功能	描述
mean()	计算组的平均值
sum()	计算组值之和
size()	计算组大小
count()	计算组计数
std()	组的标准偏差
var()	计算组的方差
sem()	均值的标准误
describe()	生成描述性统计
first()	计算组值的第一个
last()	计算组值的最后一个
nth()	取第n个值，如果n是一个列表，则取一个子集
min()	计算组值的最小值
max()	计算组值的最大值

简单的分组聚合操作

同时使用多种聚合方法

对聚合结果列进行命令

对不同的列进行不同的聚合方法

3.数据透视

数据透视采用pivot_table方法，和excel数据透视表功能类似，其实可以和groupby分组统计进行相互转化

它带有许多参数：
data：一个DataFrame对象。
values：要汇总的一列或一列列表。
index：与数据或它们的列表具有相同长度的列，Grouper，数组。在数据透视表索引上进行分组的键。如果传递了数组，则其使用方式与列值相同。
columns：与数据或它们的列表具有相同长度的列，Grouper，数组。在数据透视表列上进行分组的键。如果传递了数组，则其使用方式与列值相同。
aggfunc：用于汇总的函数，默认为numpy.mean。

数据透视操作
对不同列使用不同的方法

margins增加合计项