pandas.DataFrame.groupby

pandas 有些功能用起来就和SQL一样，前面有说过类似JOIN的操作

橘猫吃不胖：pandas回顾小结（三）-合并与拼接​zhuanlan.zhihu.com

聚合也是SQL中很常用的操作

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

我们传入要聚合的字段，返回的是DataFrameGroupBy对象

1. df = pd.DataFrame({'Animal': ['Falcon', 'Falcon',

2. 'Parrot', 'Parrot'],

3. 'Max Speed': [380., 370., 24., 26.]})

4. df.groupby(by=['Animal'])

1. gp = df.groupby(by=['Animal'])

2. gp.groups

3. gp.indices

groupby之后，数据会被分组，按照指定字段的分组，这里就按照不同动物进行了分组

如果会SQL，这里理解会很容易，比如，我们想要看不同动物的最高速度

我们其实想知道每个分组里的最大值是多少

1. gp.max()

2. gp.min()

这样其实就是我们想要的数据了

对多个字段进行聚合

1. df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar',

2. 'foo', 'bar', 'foo', 'foo'],

3. 'B': ['one', 'one', 'two', 'three',

4. 'two', 'two', 'one', 'three'],

5. 'C': np.random.randint(10),

6. 'D': np.random.randint(8)})

7. df.groupby(by=['A','B']).sum()

这里，默认对所有的列都做了聚合操作

可以只对C列进行操作

df.groupby(['B','A'])['C'].sum()

DataFrameGroupBy对象是可以遍历的

1. gp = df.groupby(['B','A'])['C']

2. for name, group in gp:

3. print(name)

4. print(group)

有时候，我们相对不同的字段，使用不同的聚合函数

这里需要用到agg函数

DataFrame.agg(  func=None,  axis=0,  *args,  **kwargs)

1. df.groupby(['A']).agg('max')

2. df.groupby(['A']).agg({'C':['min','max'], 'D':['sum']})

---

上面，我们使用了聚合函数，现在，来一个综合的小栗子

已知，数据集，如下所示：

1. df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar',

2. 'foo', 'bar', 'foo', 'foo'],

3. 'B': ['one', 'one', 'two', 'three',

4. 'two', 'two', 'one', 'three'],

5. 'C': np.random.randint(10),

6. 'D': np.random.randint(8)})

现在，我们要添加C_total列，表示对A列聚合，C列的和，就是group by A ，sum(C)

1. gc = df.groupby(['A']).agg({'C':'sum'}).add_suffix('_total')

2. df.merge(gc, left_on='A', right_index=True)

这里先聚合后，使用 add_suffix，添加了后缀，然后使用merge函数，将两个DataFrame连接起来