统计分析数据的时候，经常需要进行分组统计。分组操作在python里的实现方式就是groupby语句。

惯例，咱们先造一个DataFrame表。

import pandas as pd

dic={

'class':['a','a','b','b'],

'id':[1,2,3,3],

'math':[88,66,55,22],

'physics':[99,77,33,67],

'science':[55,88,65,89]

}

df1=pd.DataFrame(data=dic,index=['student1','student2','student3','student4'])

1、单列分组

groupby语句可以单独形成一个分组对象。比如我们将数据表按照班级(class)进行分组，

后续想要进行任何的分组统计都可以使用这个分组对象。

Class_group=df1.groupby('class')

Class_group.mean()

结果为：

id math physics science

class

a 1.5 77.0 88.0 71.5

b 3.0 38.5 50.0 77.0

出现这个结果是因为我们在分组统计的时候没有指定列，所以python会将所有数值的列统计出平均值展示出来。当我们指定需要统计的列名之后，就会只展示我们需要的列。

Class_group.math.mean()

结果为：

class

a 77.0

b 38.5

Name: math, dtype: float64

分组对象也可以省略，直接得到我们需要的分组统计值，如：df1.groupby('class').math.mean()，得到的结果是一样的。

2、多列分组

分组变量可以是单列也可以是多列，多列的时候需要加上中括号。

df1.groupby(['class','id']).mean()

结果为：

math physics science

class id

a 1 88.0 99.0 55.0

2 66.0 77.0 88.0

b 3 38.5 50.0 77.0

3、分组变量成为列名而不是index

使用默认的groupby语句统计时，分组变量是作为结果DataFrame的index出现的。想要把分组变量从index挪出来成为单独一列，需要使用as_index语句。

df1.groupby('class',as_index=False).mean()

结果为：

class id math physics science

0 a 1.5 77.0 88.0 71.5

1 b 3.0 38.5 50.0 77.0

我们指定分组变量不成为index后，python会将它做为列而新建一个从0开始编号的index。

4、不同的列应用不同的统计函数

想要实现这种操作需要agg函数，在agg函数内对不同的列指定不同的统计方法。

df1.groupby('class').agg({'math':np.mean,'physics':sum,'science':max})

结果为：

math physics science

class

a 77.0 176 88

b 38.5 100 89

通过agg的方法，我们实现了对math求平均，对physics求和，对science取最大的操作。细心的同学可能发现我们求平均的操作用的是np.mean(numpy的操作)，是因为agg并不支持直接的mean操作。

除了agg函数外，我们其实也可以用apply函数。只是应用apply函数时，是将分组对象内作为一个DataFrame来操作的。我们可以看看分组对象里面是什么。

for i in Class_group:

print(i)

结果为：

('a', class id math physics science

student1 a 1 88 99 55

student2 a 2 66 77 88)

('b', class id math physics science

student3 b 3 55 33 65

student4 b 3 22 67 89)

apply函数的操作其实就是对组内每一个DataFrame的操作。可以实现的功能更加复杂。

这期就先到这里，下期再见！

更多内容请关注微信公众号：XiaoXiong-WeiKe