【大数据处理与可视化】五、数据聚合与分组运算

---

实验目的

1. 能够熟练运用groupby()方法对数据进行分组。
2. 能够熟练运用统计方法和聚合操作对数据进行聚合，及其它常用的分组级运算方法。
3. 能够通过借助网络资源，通过自主学习解决分组聚合中遇到的问题。

---

实验内容

       运动员信息的分组与聚合：根据给定的运动员信息表，将统计的运动员基本信息进行归类，筛选出所有篮球运动员的基本信息，以统计篮球运动员的以下几个测试指标：
（1）统计篮球运动员的平均年龄、身高、体重。
（2）统计男篮运动员的年龄、身高、体重的极差值。
（3）统计篮球运动员的体质指数。

---

实验步骤

一、案例——运动员信息的分组与聚合

1、统计男篮、女篮运动员的平均年龄、身高、体重

代码：

data_group=df.groupby('项目')
df_basketball = dict([x for x in data_group])['篮球']
df_basketball

groupby_sex= df_basketball.groupby('性别')
groupby_sex.mean()

截图：

---

2、统计男篮运动员的平均年龄、身高、体重的极差值

代码：

basketball_male.agg({
    '年龄（岁）':range_data_group,
    '身高(cm)':range_data_group,
    '体重(kg)':range_data_group,
})

截图：

---

3、统计男篮运动员的体质指数

代码：

def outer(num):
    def ath_bmi(sum_bmi):
        weight=df_basketball['体重(kg)']
        height=df_basketball['身高(cm)']
        sum_bmi = weight / (height/100)**2
        return num+sum_bmi
    return ath_bmi
all_bmi = df_basketball['体质指数']
df_basketball['体质指数'] = df_basketball[['体质指数']].apply(outer(all_bmi))
df_basketball

截图：

---

实验小结

       通过本次实验，我能熟练运用groupby()方法对数据进行分组，能够熟练运用统计方法和聚合操作对数据进行聚合，及其它常用的分组级运算方法。在实验过程中遇到了很多硬件或者是软件上的问题，请教老师，询问同学，上网查资料，都是解决这些问题的途径。最终将遇到的问题一一解决最终完成实验。
注意事项：
1、有疑问前，知识学习前，先用搜索。
2、熟读写基础知识，学得会不如学得牢。
3、选择交流平台，如QQ群，网站论坛等。
4、尽我能力帮助他人，在帮助他人的同时你会深刻巩固知识。