利用python进行数据分析-数据聚合与分组运算1

分组键可以有多种形式，且类型不必相同

a.列表或数组，且长度与待分组的轴一样

b.表示DataFrame某个列的值

c.字典或Series，给出待分组轴上的值与分组名之间的对应关系

d.函数，用于处理轴索引或索引中的各个标签

df=DataFrame({'key1':['a','a','b','b','a'],
              'key2':['one','two','one','two','one'],
              'data1':np.random.randn(5),
              'data2':np.random.randn(5)})
print df

结果为：

      data1     data2 key1 key2
0 -0.313764 -1.072629    a  one
1 -0.528144  1.189622    a  two
2  0.774314  0.489076    b  one
3 -0.472739 -0.222977    b  two
4  0.869980  2.184111    a  one

假设想按key1进行分组，并计算data1列的平均值。

grouped=df['data1'].groupby(df['key1'])

print grouped.mean()

结果为：

key1
a    0.009357
b    0.150788
Name: data1, dtype: float64

数据（Series）根据分组键进行了聚合，产生了一个新的Series，其索引为key1列中的唯一值。

如果我们一次传入多个数组，就会得到不同的结果

means=df['data1'].groupby([df['key1'],df['key2']]).mean()
print means

结果为：

key1  key2
a     one     0.210008
      two    -0.235437
b     one     1.218374
      two    -1.650944
Name: data1, dtype: float64

print means.unstack()

结果为：

key2       one       two
key1                    
a    -0.999244 -0.196333
b    -1.373276 -0.193712

在上面的示例中，分组键均为Series。实际上，分组键可以是任何长度适当的数组

states=np.array(['Ohio','California','California','Ohio','Ohio'])
years=np.array([2005,2005,2006,2005,2006])
print df['data1'].groupby([states,years]).mean()

结果为：

California  2005   -1.483611
            2006    1.493843
Ohio        2005    0.098908
            2006    0.197631
Name: data1, dtype: float64

此外，还可以将列名用作分组键

print df.groupby('key1').mean()
print df.groupby([df['key1'],df['key2']]).mean()

结果为：

         data1     data2
key1                    
a    -0.193688 -0.548340
b    -0.877449 -0.038743
              data1     data2
key1 key2                    
a    one   0.180915 -0.584049
     two  -0.942894 -0.476924
b    one  -0.431921 -0.396192
     two  -1.322977  0.318706

无论你准备拿groupby做什么，都有可能会用到GroupBy的size方法，它可以返回一个包含分组大小的Series

print df.groupby([df['key1'],df['key2']]).size()

结果为：

key1  key2
a     one     2
      two     1
b     one     1
      two     1
dtype: int64

1.对分组进行迭代

GroupBy对象支持迭代，可以产生一组二元元组（由分组名和数据块组成）