Pandas分组计算

分组函数 groupby

        效果就SQL里面的groupby，使用方法大致一样

        df.groupby(["列名1","列名1"],as_index=True).sum()

                先按照列名1进行分组，再按照列名2进行分组；

                as_index默认值是True，效果是拿分组的数据作为行索引，如果为Fasle则用0，1作为行索引

分组并按照指定列进行计算

        df.groupby(["列名1","列名1"]["指定计算的列名"]).sum()

        加上指定的列名就能只对该列名进行计算

分组的迭代查看

        多个列名为一组

        for (k1,k2),group in df.groupby(["列名1","列名1"]):

                print(k1,k2)

                print(group)

        (k1,k2)是分组后的组名，group是分组后的数据

分组后的聚合运算

        df.groupby(["列名1","列名1"],as_index=True).agg(['sum','mean'])

        此条语句能够在指定分组后使用sum函数求得总和值，使用mean函数求得均值

  

分组后的对不同列执行不同聚合函数操作

        df.groupby(["列名1","列名1"],as_index=True).agg({”列名1“:['sum','mean'],"列名2":'['Max']})

         此条语句能够在指定分组后对列名1的数据求总和值和均值，对列名2求最大值