pandas所有的高階分組統計用法都在這裡（建議收藏哦）

本篇文章著重介紹一下分組統計的進階用法：

第一部分：分組：

根據現有的列去分組

這也是最簡單的，可以根據一個鍵，也可以傳入列表支持多個鍵：

創建數據：

df = pd.DataFrame({'A': ['a', 'b', 'a', 'c', 'a', 'c', 'b', 'c'],
 'B': [2, 8, 1, 4, 3, 2, 5, 9],
 'C': [102, 98, 107, 104, 115, 87, 92, 123]})
df

根據一個鍵：

df.groupby("A").sum()

根據兩個鍵：

df.groupby(["A","B"]).sum()

根據字典映射去分組：

mapping={"A":1,"B":1,"C":2}
df.groupby(mapping,axis=1).sum()

mapping={0:1,1:1,2:2,3:2,4:1,5:1,6:1,7:1}
df.groupby(mapping).sum()

應為A列是文本，pandas自動剔除了

根據列表（字典的簡便寫法）：

但是有一個前提：必須是提供行或者列相等長度的列表：

mapping=[1,1,4]
df.groupby(mapping,axis=1).sum()

字典可以不相等嗎？，可以，但是沒有映射的數據將不在統計範圍內：

mapping={0:1,1:1,2:2}
df.groupby(mapping).sum()

mapping={"A":1,"B":1}
df.groupby(mapping,axis=1).sum()

擴展：因為字典的映射關係，我們也可以用映射去篩選需要統計的數據去透視

根據自定義區間分組：

這裡用到了cut函數，後面我會詳細介紹這個函數

dd_2=pd.cut(df['B'], bins=2)
df.groupby(dd_2).sum()

如果我們有一些數據，這些數據是包含年齡的，就可以根據這個方法來區分不同年齡段，也可以區分不同的時間段，反正用著的時候挺好用的

根據函數去分組：

根據函數分組的原理就是根據返回值來分組，相同的返回值將會被分為一組：

默認傳給函數的是索引：

def f(x):
 print(x)
 return x
df.groupby(f).sum()

def f(x):
 print(x)
 return x>5
df.groupby(f).sum()

如果想用別的列應用函數：

def f(x):
 print(x)
 return pd.cut(x,bins=3)
df.groupby(f(df["C"])).sum()

第二部分：統計計算

pandas在分組後的統計計算中，有一些常用的經過優化的一些方法：

今天要講的是如何應用這些方法

第一個介紹的是agg(Aggregate):

Aggregate using one or more operations over the specified axis

使用指定軸上的一個或多個操作進行聚合

意思是說，在指定的軸上使用一個或多個聚合函數

df.groupby("A").agg({"B":np.sum,"C":np.mean})

df.groupby("A").agg({"B":[np.sum,np.mean],"C":np.mean})

df.groupby('A')['B'].agg({'mean':np.mean, 'standard deviation': np.std})

第二個介紹：apply最重要的一個函數

df.groupby('A').apply(lambda x: x['C']-x['B'])
df.groupby('A').apply(lambda x: (x['C']-x['B']).mean())

想要用好apply還要明白他的原理：

首先來看看是如何分組的，這次利用groupby的迭代器讀取分組的數據：

for a,b in df.groupby('A'):
 print(a)
 print(b)

自定義函數應用時傳入的就是每一個分組數據，你可以利用DataFrame的特性來篩選相應的列然後用來計算，具體能達到什麼效果完全看你的想法了

注意：當你在根據鍵分組後具體返回什麼也是靠你的自定義函數.

比如，我們分組後只返回B列的數據：

def f(x):
 return x["B"]
df.groupby("A").apply(f)

返回B的平方：

def f(x):
 return x["B"]**2
df.groupby("A").apply(f)

apply能達到的不僅僅這一點：

下面我們計算一下每個分組的B列最大值和最小值的差：

def f(x):
 return max(x["B"])-min(x["B"])
df.groupby("A").apply(f)

下面我們統計每個分組的最後一行數據，這個要求在很多工具裡面是很難實現的

def f(x):
 return x[-1:]
df.groupby("A").apply(f)

想要用好apply的核心就在於：分組後傳入apply自定義函數的就是每個分組的DataFrame,返回值就是按照你的自定義函數來的。

最後介紹的一個函數是transform()

前面進行聚合運算的時候，得到的結果是一個以分組名為 index 的結果對象。如果我們想使用原數組的 index 的話，就需要進行 merge 轉換。transform(func, args, *kwargs) 方法簡化了這個過程，它會把 func 參數應用到所有分組，然後把結果放置到原數組的 index 上（如果結果是一個標量，就進行廣播）：

df.groupby("A")["B"].transform(np.sum)

自定義函數：

def f(x):
 return max(x)-min(x)
df.groupby("A")["B"].transform(f)

總結：

agg：適用於常用的函數算法

apply:適合自定義，功能強大，需要編寫函數，注意返回值

transform:如果你不想改變原有index，就需要用它