Pandas学习笔记05-分组与透视

对数据集进行分类，并在每组数据上进行聚合操作，是非常常见的数据处理，类似excel里的分组统计或数据透视表功能。pandas提供了比较灵活的groupby分组接口，同时我们也可以使用pivot_table进行透视处理。

1.分组

分组函数groupby，对某列数据进行分组，返回一个Groupby对象。

分组 在进行groupby分组后，我们可以对分组对象进行各种操作，比如求分组平均值mean（）

分组统计 很多时候，我们需要返回dataframe型数据进行二次操作

获取datafram数据 size()方法可以获取各分组的大小

获取分组大小

遍历分组

遍历分组 [[]]和[]在返回结果上的区别

自由选择返回结果类型 有时候，我们可以通过传递函数进行分组，简化代码

使用函数进行分组

2.聚合

常见的聚合函数如下：

计算组的平均值

演示数据 简单的分组聚合操作

分组聚合 同时使用多种聚合方法

同时使用多种聚合方法 对聚合结果列进行命令

对聚合结果列命名 对不同的列进行不同的聚合方法

不同的聚合方法

3.数据透视

数据透视采用pivot_table方法，和excel数据透视表功能类似，其实可以和groupby分组统计进行相互转化

它带有许多参数： data：一个DataFrame对象。 values：要汇总的一列或一列列表。 index：与数据或它们的列表具有相同长度的列，Grouper，数组。在数据透视表索引上进行分组的键。如果传递了数组，则其使用方式与列值相同。 columns：与数据或它们的列表具有相同长度的列，Grouper，数组。在数据透视表列上进行分组的键。如果传递了数组，则其使用方式与列值相同。 aggfunc：用于汇总的函数，默认为numpy.mean。

演示数据 数据透视操作

简单的数据透视对不同列使用不同的方法

对不同列使用不同方法 margins增加合计项

合计项

嗨，你还在看吗？