1.首先通过groupby得到DataFrameGroupBy对象, 比如df.groupby('flee')
2.然后选择需要研究的列, 比如['age'], 这样我们就得到了一个SeriesGroupby, 它代表每一个组都有一个Series
3.对SeriesGroupby进行操作, 比如.mean(), 相当于对每个组的Series求均值
4.如果df.groupby('flee')后不选列, 则会遍历所有列, pandas会对**能成功操作的列**进行操作, 最后返回的一个由操作成功的列组成的DataFrame
import pandas as pd
import numpy as np
url = 'https://raw.githubusercontent.com/HoijanLai/dataset/master/PoliceKillingsUS.csv'
df = pd.read_csv(url,sep=',')
df
对flee分组
df.groupby(‘flee’)
由于后面没有指定列,所以会遍历所有列,但是只有age列可以处理,由于flee有四种类型,下面这段代码会画出四个图,因为每个类型都对应一个DataFrame
df.groupby('flee').plot(kind='kde', legend=True, figsize=(20, 5))
df.groupby(‘flee’)[‘age’]
指定age列,4种flee类型,每组包含相应的age数据组成series
得到一幅图中包含有四种类型的分布
df.groupby('flee')['age'].plot(kind='kde', legend=True, figsize=(20, 5))
从类型上看
不选取列,聚合后是一个DataFrame类型
选取一列并聚合以后是一个series类型