pandas所有的高阶分组统计用法都在这里（建议收藏哦）

本篇文章着重介绍一下分组统计的进阶用法：

第一部分：分组：

根据现有的列去分组

这也是最简单的，可以根据一个键，也可以传入列表支持多个键：

创建数据：

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

根据一个键：

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

根据两个键：

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

根据字典映射去分组：

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()

应为A列是文本，pandas自动剔除了

根据列表（字典的简便写法）：

但是有一个前提：必须是提供行或者列相等长度的列表：

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

字典可以不相等吗？，可以，但是没有映射的数据将不在统计范围内：

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

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

扩展：因为字典的映射关系，我们也可以用映射去筛选需要统计的数据去透视

根据自定义区间分组：

这里用到了cut函数，后面我会详细介绍这个函数

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

如果我们有一些数据，这些数据是包含年龄的，就可以根据这个方法来区分不同年龄段，也可以区分不同的时间段，反正用着的时候挺好用的

根据函数去分组：

根据函数分组的原理就是根据返回值来分组，相同的返回值将会被分为一组：

默认传给函数的是索引：

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

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

如果想用别的列应用函数：

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

第二部分：统计计算

pandas在分组后的统计计算中，有一些常用的经过优化的一些方法：

今天要讲的是如何应用这些方法

第一个介绍的是agg(Aggregate):

Aggregate using one or more operations over the specified axis

使用指定轴上的一个或多个操作进行聚合

意思是说，在指定的轴上使用一个或多个聚合函数

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})

第二个介绍：apply最重要的一个函数

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还要明白他的原理：

首先来看看是如何分组的，这次利用groupby的迭代器读取分组的数据：

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

自定义函数应用时传入的就是每一个分组数据，你可以利用DataFrame的特性来筛选相应的列然后用来计算，具体能达到什么效果完全看你的想法了

注意：当你在根据键分组后具体返回什么也是靠你的自定义函数.

比如，我们分组后只返回B列的数据：

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能达到的不仅仅这一点：

下面我们计算一下每个分组的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)

下面我们统计每个分组的最后一行数据，这个要求在很多工具里面是很难实现的

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

想要用好apply的核心就在于：分组后传入apply自定义函数的就是每个分组的DataFrame,返回值就是按照你的自定义函数来的。

最后介绍的一个函数是transform()

前面进行聚合运算的时候，得到的结果是一个以分组名为 index 的结果对象。如果我们想使用原数组的 index 的话，就需要进行 merge 转换。transform(func, args, *kwargs) 方法简化了这个过程，它会把 func 参数应用到所有分组，然后把结果放置到原数组的 index 上（如果结果是一个标量，就进行广播）：

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

自定义函数：

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

总结：

agg：适用于常用的函数算法

apply:适合自定义，功能强大，需要编写函数，注意返回值

transform:如果你不想改变原有index，就需要用它