datawhale Pandas Task 03分组

写在前面
本文内容源自datawhale 组队学习教程，感兴趣可了解更多：https://github.com/datawhalechina/team-learning/tree/master/Pandas%E6%95%99%E7%A8%8B%EF%BC%88%E4%B8%8A%EF%BC%89

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
3. 分组函数的基本内容：
   （a）根据某一列分组
   
   
   
   1.问题
   【问题一】 什么是fillna的前向/后向填充，如何实现？
   采用method 可以实现

向前和向后填充,使用 ffill和 bfill
fillna(method='ffill')
fillna(method='bfill')

【问题二】 下面的代码实现了什么功能？请仿照设计一个它的groupby版本。

s = pd.Series ([0, 1, 1, 0, 1, 1, 1, 0])
s1 = s.cumsum()
result = s.mul(s1).diff().where(lambda x: x < 0).ffill().add(s1,fill_value =0)

【问题三】 如何计算组内0.25分位数与0.75分位数？要求显示在同一张表上。

def R1(x):
    return np.percentile(x,25)
def R2(x):
    return np.percentile(x,75)
print(grouped_single.agg(percentile_25=pd.NamedAgg(column='Math',aggfunc=R1),
						percentile_75=pd.NamedAgg(column='Math', aggfunc=R2)))

【问题四】 既然索引已经能够选出某些符合条件的子集，那么filter函数的设计有什么意义？
根据要求过滤出更大的整体子集

【问题五】 整合、变换、过滤三