12月组队学习——第四章分组

第四章分组

学习时间：

12月22日-12月24日

学习内容：

一、分组模式及其对象

1. 分组的一般模式

想要实现分组操作，必须明确三个要素：

• 分组依据 、
• 数据来源 、
• 操作及其返回结果 。

df.groupby(分组依据)[数据来源].使用操作

按照性别统计身高中位数，就可以如下写出

2. 分组依据的本质

根据多个维度进行分组,只需在 groupby 中传入相应列名构成的列表即可

根据学生体重是否超过总体均值来分组，同样还是计算身高的均值

其实最后产生的结果就是按照条件列表中元素的值（此处是 True 和 False ）来分组

如果传入多个序列进入 groupby ，那么最后分组的依据就是这两个序列对应行的唯一组合

3. Groupby对象

具体做分组操作时，所调用的方法都来自于 pandas 中的 groupby 对象

• 通过 ngroups 属性，可以得到分组个数
• 通过 groups 属性，可以返回从 组名 映射到 组索引列表 的字典
• size 作为 groupby 对象属性，表示统计每个组的元素个数
• 通过 get_group 方法可以直接获取所在组对应的行，此时必须知道组的具体名字
  
  

4. 分组的三大操作

分组的三大操作：聚合、变换和过滤

二、聚合函数

1. 内置聚合函数

直接定义在groupby对象的聚合函数

max/min/
mean/median/
count/
all/
any/
idxmax/idxmin/
mad/
nunique/
skew/
quantile/
sum/
std/
var/
sem/
size/
prod

缺点如下：

• 无法同时使用多个函数
• 无法对特定的列使用特定的聚合函数
• 无法使用自定义的聚合函数
• 无法直接对结果的列名在聚合前进行自定义命名

2. agg方法

通过 agg 函数解决这四类问题

【a】使用多个函数

用列表的形式把内置聚合函数对应的字符串传入

【b】对特定的列使用特定的聚合函数

可以通过构造字典传入 agg 中实现，其中字典以列名为键，以聚合字符串或字符串列表为值。

【c】使用自定义函数

注意：
意传入函数的参数是之前数据源中的列，逐列进行计算

【d】聚合结果重命名

将上述函数的位置改写成元组，元组的第一个元素为新的名字，第二个位置为原来的函数

三、变换和过滤

1. 变换函数与transform方法

变换函数的返回值为同长度的序列，最常用的内置变换函数是累计函数：
cumcount
cumsum
cumprod
cummax
cummin