dataframe groupby_Pandas中groupby的这些用法你都知道吗？-CSDN博客

导读

pandas作为Python数据分析的瑞士军刀，集成了大量实用的功能接口，基本可以实现数据分析一站式处理。前期，笔者完成了一篇pandas系统入门教程，也针对几个常用的分组统计接口进行了介绍，今天再针对groupby分组聚合操作进行拓展讲解。

01 如何理解pandas中的groupby操作

groupby是pandas中用于数据分析的一个重要功能，其功能与SQL中的分组操作类似，但功能却更为强大。理解groupby的原理可参考官网给出的解释：

其中：

split：按照某一原则(groupby字段)进行拆分，相同属性分为一组
apply：对拆分后的各组执行相应的转换操作
combine：输出汇总转换后的各组结果

02 分组(split)——groupby

groupby首先要指定分组原则，这也是groupby函数的第一步，其常用参数包括：

by，分组字段，可以是列名/series/字典/函数，常用为列名
axis，指定切分方向，默认为0，表示沿着行切分
as_index，是否将分组列名作为输出的索引，默认为True；当设置为False时相当于加了reset_index功能
sort，与SQL中groupby操作会默认执行排序一致，该groupby也可通过sort参数指定是否对输出结果按索引排序

另有其他参数，但很少用到不再列出。给出几个典型应用示例：

示例数据

单列作为分组字段，不设置索引

单列字段的转换格式作为分组字段

字典，根据索引对记录进行映射分组

函数，根据函数对索引的执行结果进行分组

03 转换(apply)——agg/apply/transform

分组之后的第二个步骤即为分组转换操作，也就是应用(apply)一定的函数得到相应的结果。常用的执行操作方式有4种：

直接加聚合函数，但只能实现单一功能，常用聚合函数包括：mean/sum/median/min/max/last/first等，最为简单直接的聚合方式

agg(或aggregate)，执行更为丰富的聚合功能，常用列表、字典等形式作为参数

例如需要对如上数据表中两门课程分别统计平均分和最低分，则可用列表形式传参如下：

如果想对语文课求平均分和最低分，而数学课求平均分和最高分，则可用字典形式参数：

apply，除了agg丰富的可选聚合函数外，apply还可以自定义面向分组的聚合函数

这里apply函数实际上是一个应用非常广泛的转换函数，例如面向series对象，apply函数的处理粒度是series的每个元素(标量)；面向dataframe对象，apply函数的处理粒度是dataframe的一行或一列(series对象)；而现在面向groupby后的group对象，其处理粒度则是一个分组(dataframe对象)。例如，需要计算每个班级语文平均分与数学平均分之差，则用apply会是一个理想的选择：

transform，又一个强大的groupby利器，其与agg和apply的区别相当于SQL中窗口函数和分组聚合的区别：transform并不对数据进行聚合输出，而只是对每一行记录提供了相应聚合结果；而后两者则是聚合后的分组输出。

例如，想对比个人成绩与班级平均分，则如下操作会是首选：

当然，这一操作也可以通过mean聚合+merge连接实现：

实际上，pandas中几乎所有需求都存在不止一种实现方式！

04 时间序列的groupby——resample

再次指出，groupby相当于是按照某一规则对数据进行分组聚合，当分组的规则是时间序列时，还存在另一种特殊的分组方式——重采样resample。理解groupby的split-apply-combine三步走处理流程，那么自然也很容易理解resample处理流程：按照时间split——apply——combine。同时，也正因为resample是一种特殊的分组聚合，所以groupby的4种转换操作自然也都适用于resample。

生成以下含有时间序列的样例数据：