pandas dataframe对象的分组机制groupby

groupby的操作可以被分为3部分：

第一步，存储于series或DataFrame中的数据，根据不同的keys会被split（分割）为多个组。（这个分组可以按照不同的轴进行划分，axis=0按照行；axis=1按照列）

第二步，我们可以把函数例如mean等，apply在每一个组上，产生一个新的值。

第三步，函数产生的结果被combine(结合)为一个结果对象（result object）。

使用例子来看一下，创建一个dataframe对象：

df = pd.DataFrame({'key1' : ['a', 'a', 'b', 'b', 'a'],
                   'key2' : ['one', 'two', 'one', 'two', 'one'], 
                   'data1' : np.random.randn(5), 
                   'data2' : np.random.randn(5)})
df

看一下创建的df对象：

下面我们进行第一步，按照key1作为关键字进行分组。需要分组的数据是data1。即对data1这个series进行分组，分组的关键字是key1列。

grouped = df['data1'].groupby(df['key1'])

看一下grouped的属性：

<pandas.core.groupby.generic.SeriesGroupBy object at 0x0000000005476B48>

这个grouped变量是一个GroupBy object(分组对象)。实际上现在还没有进行任何计算。这个GroupBy object(分组对象)已经有了我们想要的信息，现在需要的是对于每一个group进行一些操作。例如，通过调用GroupBy的mean方法，我们可以计算每个组的平均值：

grouped.mean()

输出的结果如下：

总结一下：我们通过group key（分组键）对数据（a series）进行了聚合，这产生了一个新的Series，而且这个series的索引是key1列中不同的值，index（索引）的名字也是key1'，因为我们使用了df['key1']。