Python数据分析与应用——数据聚合与分组运算(转载书籍)

通过groupby()数据拆分成组

groupby (by=None, axis=0, level=None, as index=True, sort=True, group_keys=True, squeeze=False, observed=Falser**kwargs)

• by:用于确定进行分组的依据。
• axis:表示分组轴的方向。
• sort:表示是否对分组标签进行排序，默认为True.

数据聚合

1.使用内置统计方法聚合数据

df.groupby(＇key＇).mean()按key列分组，求每个分组平均值

2.面向列的聚合方法

agg()或aggregate():

如果内置方法无法满足聚合要求时，则可以自定义函数，将它作为数传给agg()方法，实现Pandas对象的聚合运算。
agg(fune, axis =0,* args, ** kwargs)

• fune：表示用于汇总数据的函数，可以为单个函数或函数列表。
• axis：表示函数作用于轴的方向，0或index表示将函数应用到每一列;1或columns表示将函数应用到每一行，该参数的默认值为0。

transform():

transform(func, *args,**kwargs)

• transfrom()方法会把fanc函数应用到各个分组中，并且将计算结果放在适当的位置上。
• transform()方法返回的结果有两种，一种是可以广播的标量值(np.mean)，另一种可以是与分组大小相同的结果数组。

apply():较为灵活

apply(func,axis=0, broadcast=None, raw=False,reduce=None.resulttype=None,args=(),**kwds)

• func:应用于行或者列的函数
• axis:函数操作的轴向
• broadcast:是否广播数据