pandas-groupby函数使用以及聚合函数使用（比赛中常用的写法！！）（transform的解释）

import pandas as pd
 
df = pd.DataFrame({'Country':['China','China', 'India', 'India', 'America', 'Japan', 'China', 'India'], 
                   'Income':[10000, 10000, 5000, 5002, 40000, 50000, 8000, 5000],
                    'Age':[5000, 4321, 1234, 4010, 250, 250, 4500, 4321]})
df

	Age	Country	Income
0	5000	China	10000
1	4321	China	10000
2	1234	India	5000
3	4010	India	5002
4	250	America	40000
5	250	Japan	50000
6	4500	China	8000
7	4321	India	5000

主要就是理解下面这句话！！！后面的是一些细节！！

一个基础的语法！！！

a=df.groupby('Country', as_index = False)['Income'].agg({ 'Income_sum':'sum'})
a

	Country	Income_sum
0	America	40000
1	China	28000
2	India	15002
3	Japan	50000

上面代码的意思：统计每一种Conutry下Income的总和！！！

具体起到的作用：
①groupby(‘Country’, as_index = False) ：按每一种Country进行统计！！！！！
②[‘Income’]：统计的是每一种Country下Income的相关特征！！！
③agg函数中 ‘Income_sum’:‘sum’，第一个字段’Income_sum’，其实你也可以写’sum’，但是如果写’Income_sum’，pandas会将
“每一个country下的Income总和”这个特征的特证名添为’Income_sum’

可以看到的是，这样造出来的 Income_sum特征，需要拼接回原来的df上去
也就是

data_merged = pd.merge(df, a, on=['Country'], how='left')
data_merged

	Age	Country	Income	Income_sum
0	5000	China	10000	28000
1	4321	China	10000	28000
2	1234	India	5000	15002
3	4010	India	5002	15002
4	250	America	40000	40000
5	250	Japan	50000	50000
6	4500	China	8000	28000
7	4321	India	5000	15002

比赛中经常用到的写法

df.groupby('Country').Income.transform('sum')

0    28000
1    28000
2    15002
3    15002
4    40000
5    50000
6    28000
7    15002
Name: Income, dtype: int64

可以看到，上面的数据，如第0行，和China的Income总和是一样的，而
df的第0行，实际上也是China！！，也就是说，他已经按Country字段给merge好了！！！

-------------------------------------------------分割线，下面是原理和细节

a=df.groupby('Country')

a.max()

	Age	Income
Country
America	250	40000
China	5000	10000
India	4321	5002
Japan	250	50000

a.agg(['min', 'mean', 'max'])

	Age			Income
	min	mean	max	min	mean	max
Country
America	250	250.000000	250	40000	40000.000000	40000
China	4321	4607.000000	5000	8000	9333.333333	10000
India	1234	3188.333333	4321	5000	5000.666667	5002
Japan	250	250.000000	250	50000	50000.000000	50000

下面这个就是单独的取了一个字段的聚合结果
下面的结果表示，a[‘Age’]是单独的一个字段的group，对单独的一个字段的group我们可以对其聚合进行改名
比如下面 num_agg = {‘p’:[‘min’, ‘mean’, ‘max’]} 其实那个’p’按常规来说应该写成Age，但是此处这么写，就相当于将表中的Age字段直接更名为’p’了

num_agg = {'p':['min', 'mean', 'max']}
a['Age'].agg(num_agg)############ 只拿出了Age这一列！！！！！，也就是一个字段的时候可以改名

/home/ubuntu/anaconda3/lib/python3.5/site-packages/ipykernel_launcher.py:2: FutureWarning: using a dict on a Series for aggregation
is deprecated and will be removed in a future version

	p
	min	mean	max
Country
America	250	250.000000	250
China	4321	4607.000000	5000
India	1234	3188.333333	4321
Japan	250	250.000000	250

要注意 a是一个包含两个字段的（Income和Age）的group，
agg函数不支持对含两个以上字段的聚合进行名字更改（如下图）

num_agg = {'Age_1':['min', 'mean', 'max']}
a.agg(num_agg)######  a包含了两个以上的字段了！

---------------------------------------------------------------------------

KeyError                                  Traceback (most recent call last)

<ipython-input-7-8131bee46d39> in <module>()
      1 num_agg = {'Age_1':['min', 'mean', 'max']}
----> 2 a.agg(num_agg)######  a包含了两个以上的字段了！


~/.local/lib/python3.5/site-packages/pandas/core/groupby/generic.py in aggregate(self, arg, *args, **kwargs)
   1313     @Appender(_shared_docs['aggregate'])
   1314     def aggregate(self, arg, *args, **kwargs):
-> 1315         return super(DataFrameGroupBy, self).aggregate(arg, *args, **kwargs)
   1316 
   1317     agg = aggregate


~/.local/lib/python3.5/site-packages/pandas/core/groupby/generic.py in aggregate(self, arg, *args, **kwargs)
    184 
    185         _level = kwargs.pop('_level', None)
--> 186         result, how = self._aggregate(arg, _level=_level, *args, **kwargs)
    187         if how is None:
    188             return result


~/.local/lib/python3.5/site-packages/pandas/core/base.py in _aggregate(self, arg, *args, **kwargs)
    408                           k not in obj.columns):
    409                         raise KeyError(
--> 410                             "Column '{col}' does not exist!".format(col=k))
    411 
    412                 arg = new_arg


KeyError: "Column 'Age_1' does not exist!"

num_agg = {'Age':['min', 'mean', 'max'], 'Income':['min', 'max']}
a.agg(num_agg,as_index=False)

	Income		Age
	min	max	min	mean	max
Country
America	40000	40000	250	250.000000	250
China	8000	10000	4321	4607.000000	5000
India	5000	5002	1234	3188.333333	4321
Japan	50000	50000	250	250.000000	250

num_agg = {'Age':['min', 'mean', 'max'], 'Income':['min', 'max']}
a.agg(num_agg,as_index=True)

	Income		Age
	min	max	min	mean	max
Country
America	40000	40000	250	250.000000	250
China	8000	10000	4321	4607.000000	5000
India	5000	5002	1234	3188.333333	4321
Japan	50000	50000	250	250.000000	250

num_agg = {'Age':['min', 'mean', 'max']}
a.agg(num_agg,as_index=False)

	Age
	min	mean	max
Country
America	250	250.000000	250
China	4321	4607.000000	5000
India	1234	3188.333333	4321
Japan	250	250.000000	250

num_agg = {'Age':['min', 'mean', 'max']}
a['Age'].agg(num_agg,as_index=True)

/home/ubuntu/anaconda3/lib/python3.5/site-packages/ipykernel_launcher.py:2: FutureWarning: using a dict on a Series for aggregation
is deprecated and will be removed in a future version

	Age
	min	mean	max
Country
America	250	250.000000	250
China	4321	4607.000000	5000
India	1234	3188.333333	4321
Japan	250	250.000000	250

num_agg = {'min', 'mean', 'max'}#正规用法！！！！！！
a['Age'].agg(num_agg,as_index=False)

	min	max	mean
Country
America	250	250	250.000000
China	4321	5000	4607.000000
India	1234	4321	3188.333333
Japan	250	250	250.000000