花瓣长度和花瓣宽度散点图鸢尾花_文科生学 Python 系列 11:Pandas 鸢尾花案例：groupby, agg, apply...

第六课 - Pandas 进阶

本课内容：
数据的分组和聚合
pandas groupby 方法
pandas agg 方法
pandas apply 方法
案例讲解
鸢尾花案例
婴儿姓名案

数据的分组&聚合 -- 什么是 groupby 技术?

在数据分析中，我们往往需要在将数据拆分，在每一个特定的组里进行运算。比如根据教育水平和年龄段计算某个城市的工作人口的平均收入。

pandas 中的 groupby 提供了一个高效的数据的分组运算。

我们通过一个或者多个分类变量将数据拆分，然后分别在拆分以后的数据上进行需要的计算

我们可以把上述过程理解为三部：

1.拆分数据（split）
2.应用某个函数（apply）
3.汇总计算结果（aggregate）

下面这个演示图展示了“分拆-应用-汇总”的 groupby 思想

上图所示，分解步骤：

Step1 ：数据分组—— groupby 方法 Step2 ：数据聚合：
使用内置函数——sum / mean / max / min / count等
使用自定义函数—— agg ( aggregate ) 方法
自定义更丰富的分组运算—— apply 方法

案例1： 让我们来回顾下经典的 iris 数据
鸢尾花卉数据集，来源 UCI 机器学习数据集

四个特征被用作样本的定量分析，它们分别是花萼(sepal)和花瓣(petal)的长度(length)和宽度(width)