5-Pandas数据分组与聚合（df.Groupby()）

GroupBy技术是对于数据进行分组计算并将各组计算结果合并的一项技术，包括以下3个过程：

1. 拆分（Spliting）：即将数据进行分组
2. 应用（Applying）：对每组应用函数进行计算
3. 合并（Combining）：将计算结果进行数据聚合

 

使用GroupBy()可以沿着任意轴进行分组，并且将分组依据的键作为每组的组名，有一下3种用法：

1. df.groupby(key)
2. df.groupby(key,axis=1)
3. df.groupby([key1,key2])

注：key需要用""引起来

　　其中的参数axis，可设置是横向分组还是纵向分组，默认是横向分组（axis=0），也是比较常用的。

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.read_excel('./input/class.xlsx')
>>> df
  class     sex  score_math  score_music
0     A    male          95           79
1     A  female          96           90
2     B  female          85           85
3     C    male          93           92
4     B  female          84           90
5     B    male          88           70
6     C    male          59           89
7     A    male          88           86
8     B    male          89           74

#使用groupby()按照class进行分组，返回的结果是一个GroupBY对象，即拆分过程
>>> df.groupby('class')
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x0000024D18D73DA0>

　　分组时所依据的键的唯一值作为索引，且当传入多个值时将产生层次化索引 

>>> df.groupby('class').sum()
       score_math  score_music
class
A             279          255
B             346          319
C             152          181

>>> df.groupby(['class','sex']).mean()
              score_math  score_music
class sex
A     female        96.0         90.0
      male          91.5         82.5
B     female        84.5         87.5
      male          88.5         72.0
C     male          76.0         90.5

　　在分组时除了传入列表，也可传入一个对于对象行或列长度一致的数组。（并不常用）

例：求按性别分组的各课程平均分，传入性别使用中文表示的一个数组

>>> arr = np.array(['男','女','女','男','女','男','男','男','男'])
>>> df.groupby(arr).mean()
   score_math  score_music
女   88.333333    88.333333
男   85.333333    81.666667

　　.count()函数可统计各组样本数量，.idxmax()函数可返回最大值的索引

　

#按照class和sex分组后各组样本的数量
>>> df.groupby(['class','sex']).count()
              score_math  score_music
class sex
A     female           1            1
      male             2            2
B     female           2            2
      male             2            2
C     male             2            2

##按照class和sex分组后最大值的索引
>>> df.groupby(['class','sex']).idxmax()
              score_math  score_music
class sex
A     female           1            1
      male             0            7
B     female           2            4
      male             8            8
C     male             3            3

>>> df.groupby(['class','sex']).count().idxmax()
score_math     (A, male)
score_music    (A, male)
dtype: object

#按照class和sex分组后样本数量最多的索引
>>> df.groupby(['class','sex']).count().idxmax()[0]
('A', 'male')