pd学习 tesk04

分组

df = pd.read_csv('data/car.csv')

找到分组的本质意义：其实就是以某个单位对什么进行分组
写法为

df.groupby(分组依据)[数据来源].使用操作

我们读取了习题的数据，并进行了基本的分组

df.groupby('Brand')['Mileage'].mean()
df.groupby(["Country","Type"])['Mileage'].mean()

也可以设定条件语句

condition = df.Weight > df.Weight.mean()
df.groupby(condition)['Mileage'].mean()

此外，写法不可以修改，我尝试了

df.groupby(condition)['Mileage']
<pandas.core.groupby.generic.SeriesGroupBy object at 0x00000203800F2A90>

哦~可以用group来看

q=j.groupby(['Country', 'Type'])
q.size()

size是用来统技元素数目的，和之前的有些区别

聚合函数
这里面主要是熟悉对agg的使用（一般来说是能够用groupby就用groupby。。）

t=df.groupby('Country')['Price']
t.max()
Country
France       15930
Germany      18900
Japan        24760
Japan/USA    12459
Korea         9999
Mexico        8672
Sweden       18450
USA          17257
Name: Price, dtype: int64

一般来说。只能使用一个函数，agg可以同时使用多个
使用多个函数

t.agg(["max","min","idxmax","idxmin"])

max	min	idxmax	idxmin
Country				
France	15930	15930	33	33
Germany	18900	9995	22	12
Japan	24760	5866	37	9
Japan/USA	12459	6635	28	3
Korea	9999	6319	44	2
Mexico	8672	8672	5	5
Sweden	18450	18450	36	36
USA	17257	7402	52	1

使用自定义函数（感觉用的少）

t.agg(lambda x: x.mean()-x.min())
Country
France          0.000000
Germany      4452.500000
Japan        8072.052632
Japan/USA    3432.571429
Korea        1538.333333
Mexico          0.000000
Sweden          0.000000
USA          5141.269231
Name: Price, dtype: float64

当然还有transform~但是根据百度的资料，他的作用是非常低的，没学了（偷懒之术）

但是我为啥报错了，报错原因是这里的列明出问题了

是这个原因嘛