「Python数据分析」Pandas进阶，使用groupby分组聚合数据（二）

在实际的数据分析过程中，我们把原始数据集，进行分组处理之后，往往需要对分组结果中的，各个小组的数据进行不同的操作。这就需要对我们的分组结果对象，通过循环迭代的方式，访问和操作不同组内部的数据元素。

在组中迭代

我们先来生成原始模拟数据集

然后对A列进行分组，并且循环访问分组中的数据

我们可以看到，通过for循环语句，我们分别可以拿到子分组名称name，和子分组数据group，这个过程是循环自动进行的。如果我们要对子分组进行操作的话，则需要在for循环中，编写操作代码。如果我们要访问子分组中的数据元素，则需要在for循环语句中，再嵌套一个for循环，才能访问到子分组中的数据元素。

我们还可以通过get_group函数，选择某一个单一的子分组，这样可以单独对子分组进行操作处理。

分组的聚合操作

在对原始数据完成分组处理后，我们经常需要查看各个子分组的汇总数据，平均数据等等情况，这个过程，就是分组数据的聚合操作。

我们重新生成一个数据集

然后通过kind列，对数据进行分组，并且对各个子分组进行求和操作。

这样，就得到了各个子组的，另外两列的汇总数据。

这里，默认是使用kind分组列，作为汇总数据集的数据标签索引列。

我们也可以重新生成索引，如下所示

只需要设置as_index属性为false即可，这样可以让数据更加整洁美观，并且有序。

类似于sum这样的聚合函数，还有很多。我整理了一个表格，大家可以参照着使用。

比如说，我们要查看均值和方差的话，就需要用到mean和var函数。

通过以上聚合函数，可以让我们对分组数据，进行一些简单的统计分析，得出各个子分组的相关统计项。

我们还可以通过describe函数，对各个子分组，进行描述性数据展示，可以计算各个子分组的各项统计数据。

aggregate()聚合函数方法

为了让分组数据的聚合操作更加直观，更加通俗易懂，我们可以使用aggregate()函数，对分组后的数据进行聚合操作。

上述代码，就是先对A列进行分组，然后通过aggregate()函数，对分组后的数据进行sum的汇总聚合操作。

注意，这里聚合的列是C和D两列。

以下是更加简易的聚合方法

重新生成数据标签索引

也可以使用reset_index函数，重新生成索引

可以看出，重新生成索引之后，聚合后的结果数据集，更加整理，美观。

以上就是我们groupby第二部分的内容。