Pandas---8.聚合与分组

一、分组

1.分组运算的过程为：拆分-应用-合并

1. 拆分阶段：Series/DataFrame等数据根据你提供的一个或者多个键，被拆分为多组
2. 应用阶段：根据你提供的一个函数应用到这些分组上
3. 合并阶段：将函数的执行结果合并到最终结果中

2.分组中有两种数据：源数据（被分组的对象），分组数据（用于划分源数据的）

1. 源数据每一行(axis=0) 对应于分组数据中的一个元素。分组数据中每一个唯一值对应于一个分组。
2. 当分组数据也在源数据中时，可以直接通过指定列名来指定分组数据（值相同的为同一组）。

3.Series/DataFrame.groupby

Series/DataFrame.groupby()方法是分组方法：

Series/DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, 
  group_keys=True, squeeze=False, **kwargs)

参数：

1. by：一个mapping function、list of function、一个字典、一个序列、一个元组、一个list of column name。它指定了分组数据。

   1. 如果传入了函数，则在每个index value上调用函数来产生分组数据

   2. 如果是Series或者字典，则根据每个index value在字典/Series中的值来产生分组数据

   3. 如果是个column label，则使用该label抽取出来的一列数据产生分组数据

   4. 如果是个column label的list，则使用一组column label抽取出来的多列数据作为分组数据。

   5. 如果是个序列，则它直接指定了分组数据。

   6. 如果是个序列的序列，则使用这些序列拼接成一个MulitiIndex，然后根据这个MultiIndex替换掉index后，根据label value来分组。（事实上并没有替换，只是用于说明这个过程）

      如果axis=1，则index label替换成column label

2. axis：指定沿着哪个轴分组。可以为0/'index'，表示沿着 0轴。可以为1/'columns'，表示沿着 1轴

3. level：一个整数、level name或者其序列。如果axis是个MultiIndex，则在指定级别上的索引来分组

4. as_index：一个布尔值。如果为True，则将group label作为输出的index。如果为False，则输出是SQL风格的分组（此时分组的key作为一列，而不是作为index）。Series中，该参数必须为True。

5. sort：一个布尔值。如果为True，则对分组的键进行排序。

6. group_keys：一个布尔值。如果为True，且调用了函数来决定分组，则添加分组键来区分不同的数据（否则你不知道每一行数据都对应于哪里）

7. squeeze：一个布尔值。如果为True，则尽可能的缩减结果的类型。

该函数返回一个GroupBy对象。

 

2. GroupBy对象

3. 分组级运算

4. 透视表和交叉表