数据的聚合与分组运算

---

目录

一、分组与聚合的原理

二、groupby()方法拆分成组

三、数据集合

---

一、分组与聚合原理

(1)、分组是使用特定的条件将元数据进行划分为多个组。聚合是对每个分组中的数据执行某些操作，最后将计算结果进行整合。

(2)、过程：

拆分：将数据集按照些标准拆分为若干个组。

应用：将某个函数或方法（内置和自定义均可）应用到每个分组。

合并：将产生的新值整合到结果对象中。

---

二、groupby()方法拆分

（1）方法： groupby(by=None，axis=0，level=None，as_index=True，sort=True，group_keys=True，squeeze=False，observed=False，kwargs)

 参数含义：by：用于确定进行分组的依据。 
axis：表示分组轴的方向，可以为0（表示按行）或（表示按列），默认为0。
level：如果某个轴是一个MultiIndex对象，则会按特定级别或多个级别分组。
as_index：表示聚合后的数据是否以组标签作为索引的DataFrame对象输出，，接受布尔值，默认为True。
sort：表示是否对分组标签进行排序，接受布尔值，默认为True。

  注：通过groupby()方法执行分组操作，会返回一个GroupBy对象，该对象实际上并没有进行任何计算，只是包含一些关于分组键的中间数据而已。一般，使用Series调用groupby()方法返回的是SeriesGroupBy对象，而使用DataFrame调用groupby()方法返回的是DataFrameBy对象。

---

（2)、按列名进行分组：

1、代码：

import numpy as np
import pandas as pd


df = pd.DataFrame({"key": ['C', 'B', 'C', 'A', 'B', 'B', 'A', 'C', 'A'],
                   "Data": [2, 4, 6, 8, 10, 1, 14, 16, 18]})
print(df)
group_obj = df.groupby(by='key')
print("df.groupby(by='key'):\n", group_obj)

2、如果要查看每个分组的具体内容，应该使用for循环遍历DataFrameGroupBy对象。

 代码：

for i in group_obj:
    print(i)

---

（3)、按Series对象进行分组：

df= pd.DataFrame({'key1': ['A', 'A', 'B', 'B', 'A'],
                    'kye2': ['one', 'two', 'one', 'two', 'one'],
                    'data1': [2, 3, 4, 6, 8],
                    'data2': [3, 5, 6, 3, 7]})
print(df)

se = pd.Series(['a', 'b', 'c', 'a', 'b'])
group_obj = df1.groupby(by=se)
for i in group_obj:
    print(i)

---

（4)、按字典进行分组：

注：用字典对DataFrame进行分组时，需要确定轴的方向及字典中的映射关系，即字典中的键为列名，字典的值为自定义的分组名。

df- = DataFrame({'a': [1, 2, 4, 8, 3],
                 'b': [9, 6, 3, 7, 5],
                 'c': [2, 3, 4, 6, 8],
                 'd': [3, 5, 6, 3, 7]})
mapping = {'a': '第一组', 'b': '第二组', 'c': '第三组', 'd': '第一组'}
print(df)
by_columns = df.groupby(by=mapping, axis=1)
print("by_columns:")
for i in by_columns:
    print(i)

---

（5)、按函数进行分组：在调用groupby()方法时传入了内置函数len()，表明len()函数会对行索引一列执行求长度的操作，以行索引名称的长度进行分组，则长度相同的行索引名称会分成一组。

df= DataFrame({'a': [1, 2, 4, 8, 3],
                 'b': [9, 6, 3, 7, 5],
                 'c': [2, 3, 4, 6, 8],
                 'd': [3, 5, 6, 3, 7]},
                index=['Boy', 'Tom', 'Jok', 'Jacn', 'Helen'])
group_obj3 = df.groupby(by=len)
print("group_obj")
for i in group_obj:
    print(i)

---

三、数据聚合

(1)、如果内置方法无法满足聚合要求，则用agg（）方法自定义函数

  .agg（func，axis = 0，* args，** kwargs ）

---

（2）对每一列数据应用同一个函数

def diff_max_min(x):
    return x.max() - x.min()

---