第四章 分组操作的SAC过程

概要

分组操作的SAC过程是利用Pandas进行数据分析的基础之一，而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

split

SAC的基础是分组（split），分组最常用的函数包括：df.groupby(分组依据)，值得注意的是，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。调用方法包括：

# 0.查看所有调用方法
print([attr for attr in dir(df.groupby()) if not attr.startswith('_')])

# 1.取出某一个组
df.groupby().get_group() 

# 2.计算组容量和组数
df.groupby().size()  # 组容量
df.groupby().ngroups  # 组数

# 3. 组的遍历
for name, group in df.groupby(): #这里很妙，直接输出df.groupby().index.name会报错
    print(name)

apply

在apply过程中，有四种任务类型：

• 整合（Aggregation）：分组计算统计量（如求均值、求每组元素个数）
• 变换（Transformation）：分组对每个单元的数据进行操作（如元素标准化）
• 过滤（Filtration）：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）
• 组合问题：前面提及的三种任务的组合

（未完待续。。。）