小白学 Python 数据分析（7）：Pandas 数据分组

引言

各位同学好呀，我又出来了，本篇文章我们介绍下 Pandas 的数据分组。

本文用的数据集再次做更换，有同学在后台问小编为什么最近每篇文章都在换数据集。

emmmmmmmm，在小白刚入门的时候，很多同学找不到数据集练手，小编尽量多使用一些数据集，传到代码仓库后，大家 Down 下来直接就能使用，给大家多提供几个案例做选择。

AkShare

本次的数据集选择由 AkShare 提供的本次疫情的历史数据。

AkShare 的简介：

AkShare 是基于 Python 的开源金融数据接口库, 目的是实现对股票, 期货, 期权, 基金, 外汇, 债券, 指数, 数字货币等金融产品的基本面数据、实时和历史行情数据、衍生数据从数据采集, 数据清洗, 到数据落地的一套开源工具, 满足金融数据科学家, 数据科学爱好者在金融数据获取方面的需求。

AkShare 的特点是获取的是相对权威的金融数据网站公布的原始数据, 广大数据科学家可以利用原始数据进行各数据源之间的交叉验证, 进而再加工, 从而得出科学的结论。

好像和疫情没什么关系么，其实 AkShare 也是在最近的更新中添加了有关本次疫情的数据集。

首先第一件事儿就是先把我们今天要使用到的数据集搞下来，首先是 AkShare 的安装，参考文档示例进行安装（ https://akshare.readthedocs.io/zh_CN/latest/akshare/ak-installation.html ）：

• 通用安装：
  pip install akshare --upgrade

• 国内安装-Python：
  pip install akshare -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com --upgrade

• 国内安装-Anaconda：
  pip install akshare -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com --user --upgrade

除了一些 Python 的库需要进行安装，还有一些其他环境需要安装，小编这里就不一一列出了，请各位同学参考文档进行安装。

安装好以后，将本次疫情的历史数据进行导出成 Excel ，然后开始我们今天的正题，这段导出代码其实非常简单，加上导包总共三行，如下：

import akshare as ak

epidemic_dxy_df = ak.epidemic_dxy(indicator="global")
epidemic_dxy_df.to_excel('epidemic_dxy.xlsx')

这里获取的其实是本次疫情截止小编写这篇文章时的一个最新数据。

说明： epidemic_dxy_df 是一个 DataFrame ，这里直接通过 DataFrame 的 to_excel 进行 Excel 导出。

如果不想使用 Excel 的同学，也可以直接操作 epidemic_dxy_df 这个 DataFrame ，只是每次运行的时候它都要从远端拉取数据，速度上挺慢的，从本地的 Excel 中读取数据还是会快很多。

导出的 Excel 小编就简单截个图，如图：

可以看到，总共有 66 行的数据，数据量不大，我们进行操作后，可以人工核实操作数据是否正确。

数据分组

如果有对 SQL 使用经验的同学来讲，分组这个词并不陌生，在 SQL 中的关键字是 group by ，而在 Pandas 中的方法名也十分相似，是 groupby() 。
当然，如果对 SQL 不熟悉的同学也可以参考下 Excel 的分组，都是一样的。
我们先按照七大洲对这个数据做一次分组，看下是什么结果：

import pandas as pd

# 数据导入
epidemic_dxy = pd.read_excel("epidemic_dxy.xlsx")

print(epidemic_dxy.groupby(['continents']))

# 输出内容
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x0000019AB24BAB48>

可以看到，这里输出的了一个 DataFrameGroupBy 的内存对象，实际上这个对象中包含了分组后的一些相关信息，并没有直接显示出来，我们直接调用一个汇总的方法看一下：

print(epidemic_dxy.groupby(['continents']).count())

# 输出内容
            id  createTime  modifyTime  ...  operator  locationId  countryShortCode
continents                              ...                                        
亚洲          26          26          26  ...        26          26                26
其他           1           1           1  ...         1           1                 1
北美洲          4           4           4  ...         4           4                 4
南美洲          2           2           2  ...         2           2                 2
大洋洲          2           2           2  ...         2           2                 2
欧洲          <