Pandas学习--分组部分

注：本博客跟随此Pandas教程进行学习，有兴趣可以学习一下。
先上一张框架图：

理论部分

• 第3章 分组
  • 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
      • a 根据某一列分组
        • 经过groupby后会生成一个groupby对象，该对象本身不会返回任何东西，只有当相应的方法被调用才会起作用
      • b 根据某几列分组
      • c 组容量与组数
      • d 组的遍历
      • e level参数（用于多级索引）和axis参数
    • 2.groupby对象的特点
      • a 查看所有可调用的方法
      • b 分组对象的head和first
      • c 分组依据
      • d groupby的[]操作
      • e 连续性变量分组
  • 三. 聚合，过滤和变换
    • 1.聚合
      • a 常用聚合函数
        • 所谓聚合就是把一堆数，变成一个标量，因此mean/sum/size/count/std/var/sem/describe/first/last/nth/min/max都是聚合函数
      • b 同时使用多个聚合函数
      • c 使用自定义函数
      • d 利用NamedAgg函数进行多个聚合
      • e 带参数的聚合函数
    • 2 过滤
    • 3 变换
      • a 传入对象
      • b 利用变换方法进行组内标准化
      • c 利用变换方法进行组内缺失值的均值填充
  • 四.apply函数
    • 1.apply函数的灵活性
      • apply函数的灵活性很大程度来源于其返回值的多样性：
        • 1.标量返回值
        • 2.列表返回值
        • 3.数据框返回值
    • 2.用apply同时统计多个指标

先整理理论部分，回头再把坑填满