groupby产生Series和dataframe

groupby 对dataFrame 进行分组，产生的对象是DataFram groupby 对象可以
1.将其转化为list，进行遍历：
2.进行分组和聚合

一、grouby 的使用

import pandas as pd
df=pd.read_csv(r"starbucks_store_worldwide.csv")
grouped=df.groupby(by="Country")
#DataFram groupby 对象可以分组和聚合
# #聚合
#统计美国和中国星巴克的数量
print("方法一：")
country_count=grouped["Brand"].count()#产生的类型是'pandas.core.series.Series'
"""上部中列名（数据完整例如Brand）的进行计数，统计该国家名下的所有星巴克店"""
#下步分别统计US 和CN 国家下的星巴克店
us=country_count["US"]
cn=country_count["CN"]
print(us)
print(cn)
print("方法二：")
#DataFram groupby 对象可以分组和聚合
# #聚合
#统计美国和中国星巴克的数量
"""根据国家名进行统计，因为dataframe是完整的，虽然之前利用country 进行分组，但是只是将datafram进行差分
，根据国家名进行聚合"""
country_count=grouped["Country"].count()
#产生的对象是Series, 根据Country产生的统计值
us_=country_count["US"]
cn_=country_count["CN"]
print(us_)
print(cn_)
######################################################产生结果：
方法一：
13608
2734
方法二：
13608
2734

二、产生dataFrame

区别：

1.Series 的产生：
2.dataframe 的产生：

t1 = df[[“Country”]].groupby(by=[df[“Country”],df[“State/Province”]]).count()t2 = df.groupby(by=[“Country”,“State/Province”])[[“Country”]].count()

以上的两条命令结果一样
和之前的结果的区别在于当前返回的是一个DataFrame类型，增加dataframe中的其他数据

import pandas as pd
df=pd.read_csv(r"starbucks_store_worldwide.csv")
t2=df.groupby(by=["Country","State/Province"])[["Country"]]
t1=df.groupby(by=["Country","State/Province"])["Country"]
t1=list(t1)
t2=list(t2)
#显示所有列
pd.set_option('display.max_columns', None)
#显示所有行
pd.set_option('display.max_rows', 10)
print(t1[0:3])
print("*"*100)
print(t2[0:3])

#############################################产生结果：
[(('AD', '7'), 0    AD
Name: Country, dtype: object), (('AE', 'AJ'), 1    AE
2    AE
Name: Country, dtype: object)]
****************************************************************************************************
[(('AD', '7'),        Brand  Store Number     Store Name Ownership Type     Street Address  \
0  Starbucks  47370-257954  Meritxell, 96       Licensed  Av. Meritxell, 96

               City State/Province Country Postcode Phone Number  \
0  Andorra la Vella              7      AD    AD500    376818720

                  Timezone  Longitude  Latitude
0  GMT+1:00 Europe/Andorra       1.53     42.51  ), (('AE', 'AJ'),        Brand  Store Number        Store Name Ownership Type  \
1  Starbucks  22331-212325  Ajman Drive Thru       Licensed
2  Starbucks  47089-256771         Dana Mall       Licensed

                 Street Address   City State/Province Country Postcode  \
1          1 Street 69, Al Jarf  Ajman             AJ      AE      NaN
2  Sheikh Khalifa Bin Zayed St.  Ajman             AJ      AE      NaN

  Phone Number              Timezone  Longitude  Latitude
1          NaN  GMT+04:00 Asia/Dubai      55.47     25.42
2          NaN  GMT+04:00 Asia/Dubai      55.47     25.39  )]