如何使用groupby函数对数据进行分组（1）

转载自知乎：侦探L 如何使用groupby函数对数据进行分组（1） - 知乎

在使用python进行数据分析的过程中，采用groupby函数对数据进行分组是一项很常用的操作，它可以帮助我们更清晰地了解我们所用数据的组成及规律，本节将为大家简单介绍一下如果使用groupby函数对数据进行分组的具体做法。

1、函数说明（什么是数据分组？具体要做什么）

总的来说，实现数据分组这一操作总共可以分成三步：

split→apply→combine

（1）第一步，split（分）。按照键值（key）或者分组变量将数据分组。

（2）第二步，apply（用）。对于第一步分组后的数据，应用函数进行计算（可以是python自带的函数，可以是我们自己编写的函数）。

（3）第三步，combine（合）。将经过第二步计算后的结果进行聚合。

放个图方便大家理解：

（图网侵删）

2、还是老规矩，举个例子动手操作一下：

首先还是用pandas做一个实验用的数据表：

import pandas as pd
import numpy as np

df = pd.DataFrame({'data1' : ['a', 'b', 'c', 'b', 'a'],
    'data2' : ['one', 'one', 'one', 'two', 'one'],
    'num1' : [1,2,3,4,5],
    'num2' : [6,7,8,9,10]})
df

运行一下看看结果：

可以看到这是一个5行4列的数据表，下面进行实验操作：

（1）首先，我们将data1当做我们的分组键值，对num1进行分组：

grouped = df['num1'].groupby(df['data1'])

注意~这里的grouped不再是一个数据框，而是一个GroupBy对象，我们可以看一下它的数据类型：

再次注意~在这一步，我们并没有进行任何计算，仅仅是创建用data1分组后创建了一个GroupBy对象，下面我们将针对这个对象进行函数计算。

（2）在第一步的基础上求均值（mean）以及求和（sum）。

可以看到，运算结果与我们预期相符。

（3）使用两个分组变量对数据进行分组操作

刚刚我们将data1当做我们的分组键值，只用了一个变量来分组，实际上我们可以使用多个分组变量进行数据分组操作，下面我们将data1和data2都作为分组变量:

group2= df['num2'].groupby([df['data1'], df['data2']])
mean_group2=group2.mean()
mean_group2

可以看到，数据结果同样符合我们的预期。

（4）上面分组变量都是我们的数据表df内部的Series,实际上，只要是和data等长的数组都可以进行类似操作，比如：

我们定义如下两个数组（array）,再看看用groupby会发生什么。

city = np.array(['beijing', 'shenzhen', 'shenzhen', 'beijing', 'beijing'])
years = np.array([2019,2020,2019,2020,2020])
df['num1'].groupby([city, years]).mean()

可以看到，原来的数据表还是照我们的要求进行分组了。（get!）

3、尝试对分组进行迭代

实际上在我们的数据过程中，我们的GroupBy对象是支持迭代操作的。这样做的话，可以产生一个由分组变量名和数据块组成的元组：

for num,data in df.groupby('data1'):
    print(num)
    print(data)

可以看到，输出结果变成元组了（把表格分开了）。

如何我们想要用两个分组变量进行分组怎么办呢？也是可以的。

下面我们来看看用两个分组变量时会发生什么：

for (d1,d2),  num in df.groupby(['data1','data2']):
    print (d1,d2)
    print (num)

依旧完美输出！分组变量变成了两个。

我们可以将上面的结果转化为list（列表），来看看结果是什么样的：

list(df.groupby(['data1','data2']))

再来看看这个列表的第一个元素长什么样：

list(df.groupby(['data1','data2']))[0]

可以转成字典吗？答案是肯定的。我们也可以将结果转化为dict（字典）：

dict(list(df.groupby(['data1','data2'])))

同样的，我们看看第一个元素：

dict(list(df.groupby(['data1','data2'])))["a","one"]

以上都是基于行进行分组，因为默认情况下groupby是在axis=0（行方向）进行分组，实际上，我们也可以指定axis=1（列方向）进行分组：

grouped=df.groupby(df.dtypes,axis=1)
list(grouped)[0]

注意~分组的时候，下面两种表达方式都是一样的~

（1）df.groupby('key1')['data1']

（2）df.data1.groupby(df.key1)

---