快乐学习Pandas-分组

详细内容可以参考：https://github.com/datawhalechina/joyful-pandas第三章内容
本文将就可能理解起来会有问题的几个内容进行介绍。

一、SAC过程

1. 内涵
SAC指的是分组操作中的split-apply-combine过程
其中split指基于某一些规则，将数据拆成若干组，apply是指对每一组独立地使用函数，combine指将每一组的结果组合成某一类数据结构
2. apply过程
在该过程中，我们实际往往会遇到四类问题：
整合（Aggregation）——即分组计算统计量（如求均值、求每组元素个数）
变换（Transformation）——即分组对每个单元的数据进行操作（如元素标准化）
过滤（Filtration）——即按照某些规则筛选出一些组（如选出组内某一指标小于50的组）
综合问题——即前面提及的三种问题的混合

二、groupby函数

1. 分组函数的基本内容：

（e）level参数（用于多级索引）和axis参数`

import numpy as np
import pandas as pd
df = pd.read_csv('data/table.csv',index_col='ID')
df.head()
df.set_index(['Gender','School']).groupby(level=0,axis=0).get_group('M').head()
# 设置'Gender','School'为新的索引，得到一个多级索引，level=0表示按Gender分组，并取出M组前5行
#可以尝试下面语句的输出
#df.set_index(['Gender','School']).groupby(level=1,axis=0).get_group('S_1').head()

2. groupby对象的特点

（b）分组对象的head和first

对分组对象使用head函数，返回的是每个组的前几行，而不是数据集前几行

grouped_single = df.groupby('School')
grouped_single.head(2)

first显示的是以分组为索引的每组的第一行信息

grouped_single.first()
#将分组的列变为索引列并显示每个分组的第一行，排列顺序按字母顺序。

（c）分组依据

对于groupby函数而言，分组的依据是非常自由的，只要是与数据框长度相同的列表即可，同时支持函数型分组`

df.groupby(np.random.choice(['a','b','c'],df.shape[0])).get_group('a').head()
#相当于将np.random.choice(['a','b','c'],df.shape[0])当做新的一列进行分组
#随机产生df.shape[0]长度的从'a','b','c'选出的ndarray数据，并取出‘a’分组的前5个值

从原理上说，我们可以看到利用函数时，传入的对象就是索引，因此根据这一特性可以做一些复杂的操作

df[:5].groupby(lambda x:print(x)).head(10)
#df中前5行数据按索引分组，相当于y以每个索引分组，无实际意义，只是看到传入的对象是索引这样的规律。

注意：为了观察传入的参数，常用上述代码中匿名函数的方式进行打印，观察传入的对象类型。

根据奇偶行分组

df.groupby(lambda x:'奇数行' if not df.index.get_loc(x)%2==1 else '偶数行').groups
#注意df.index.get_loc(x)对应的是0,1,2...的索引值，所以奇数行对应余数为0的索引，刚好相反

（e）连续型变量分组

例如利用cut函数对数学成绩分组：

bins = [0,40,60