深入理解 Pandas 中的 groupby 函数

groupby 函数是 pandas 库中 DataFrame 和 Series 对象的一个方法，它允许你对这些对象中的数据进行分组和聚合。下面是 groupby 函数的一些常用语法和用法。

对于 DataFrame 对象，groupby 函数的语法如下：

DataFrame.groupby(by=None, axis=0, level=None, as_index=True,
                  sort=True, group_keys=True, squeeze=False, 
                   observed=False, dropna=True) 

其中，各个参数的含义如下：

• by：用于分组的列名或函数。可以是一个列名、一个函数、一个列表或一个字典。
• axis：分组轴。如果 axis=0（默认值），则沿着行方向分组；如果 axis=1，则沿着列方向分组。
• level：在多层索引的情况下，用于指定分组的级别。
• as_index：是否将分组键作为索引返回。如果 as_index=True（默认值），则返回一个带有分组键作为索引的对象；否则返回一个不带索引的对象。
• sort：是否对分组键进行排序。如果 sort=True（默认值），则对分组键进行排序；否则不排序。
• group_keys：是否在结果中包含分组键。如果 group_keys=True（默认值），则在结果中包含分组键；否则不包含。
• squeeze：是否压缩返回结果。如果 squeeze=True，则尝试压缩返回结果；否则不压缩。
• observed：是否仅使用观察到的类别进行分组。仅适用于类别类型数据。
• dropna：是否删除包含缺失值的行。如果 dropna=True（默认值），则删除包含缺失值的行；否则保留。

在数据分析中，我们经常需要对数据进行分组和聚合。例如，我们可能需要计算每个类别中某个变量的平均值、最大值或最小值；或者我们需要对每个类别中的数据进行汇总、统计等操作。在这些情况下，groupby 函数就能派上用场。

例如，假设我们有一个 DataFrame 对象，其中包含了若干个数值列和一个类别列：

import pandas as pd

data = {
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
    'C': ['X', 'X', 'Y', 'Y']
}
df = pd.DataFrame(data)

现在，我们想要计算每个类别中 A 列的平均值。我们可以使用 groupby 函数来实现这一点：

result = df.groupby('C')['A'].mean()
print(result)

当我们运行这段代码时，会看到以下输出：

C
X    1.5
Y    3.5
Name: A, dtype: float64

这表明 groupby 函数已经成功地计算了每个类别中 A 列的平均值。

除了计算平均值之外，我们还可以使用 groupby 函数来执行其他操作。例如，我们可以使用它来计算每个类别中 B 列的最大值：

result = df.groupby('C')['B'].max()
print(result)

当我们运行这段代码时，会看到以下输出：

C
X    6
Y    8
Name: B, dtype: int64

这表明 groupby 函数已经成功地计算了每个类别中 B 列的最大值。

此外，我们还可以使用 groupby 函数来对数据进行汇总和统计。例如，假设我们想要对每个类别中 A 和 B 列的数据进行汇总，我们可以使用以下代码：

result = df.groupby('C').agg({'A': 'sum', 'B': 'sum'})
print(result)

当我们运行这段代码时，会看到以下输出：

A   B
C
X  3  11
Y  7  15

这表明 groupby 函数已经成功地对每个类别中 A 和 B 列的数据进行了汇总。

如果想要对重复行进行汇聚，并用分号隔开，你可以使用 groupby 函数和 agg 函数来实现这一点。例如，假设我们有一个 DataFrame 对象，其中包含了若干个数值列和一个类别列：

import pandas as pd

data = {
    'A': ['X', 'X', 'Y', 'Y'],
    'B': [1,