df groupby

当然，可以为你提供一个关于Pandas groupby 功能的长篇指南，帮助你理解和应用这个强大的数据操作工具。

groupby 是 Python 中 Pandas 库的一个非常有用的功能，特别是在数据分析和数据处理的任务中。它允许我们根据一个或多个列对数据进行分组，然后对这些分组应用聚合函数，从而得出有用的统计信息。

基本用法

要使用 groupby，首先需要有一个 DataFrame。假设你有如下数据框 df:

import pandas as pd

data = {
    'Category': ['A', 'A', 'B', 'B', 'C', 'C', 'C'],
    'Values': [100, 150, 200, 250, 300, 350, 400]
}

df = pd.DataFrame(data)

这个数据框有两列：“Category”和“Values”。我们经常需要对“Category”进行分组，然后对“Values”求和或计算其他统计量。

grouped = df.groupby('Category')

这样会根据“Category”列对数据进行分组。现在，我们可以对每一组应用一个聚合函数。例如，求每个类别的“Values”之和:

sum_values = grouped['Values'].sum()
print(sum_values)

输出将会是：

Category
A    250
B    450
C   1050
Name: Values, dtype: int64

这里我们可以看到 groupby 首先将数据分组，然后对每个分组应用 sum() 函数。

多列分组

你可以根据多列进行分组。假设你的数据框有另外一列表示子类别：

data = {
    'Category': ['A', 'A', 'B', 'B', 'C', 'C', 'C'],
    'Subcategory': ['X', 'Y', 'X', 'Y', 'X', 'Y', 'Z'],
    'Values': [100, 150, 200, 250, 300, 350, 400]
}

df = pd.DataFrame(data)

现在你可以按两列进行分组：

grouped = df.groupby(['Category', 'Subcategory'])
sum_values = grouped['Values'].sum()
print(sum_values)

输出将会是：

Category  Subcategory
A         X             100
          Y             150
B         X             200
          Y             250
C         X             300
          Y             350
          Z             400
Name: Values, dtype: int64

聚合函数

除了 sum()，还有许多其他的聚合函数可用，如 mean()、min()、max()、count() 等。你甚至可以一次性应用多个聚合函数：

agg_operations = grouped['Values'].agg(['sum', 'mean', 'count'])
print(agg_operations)

输出将显示每组的总和、平均值和数量：

                     sum  mean  count
Category Subcategory                  
A        X           100  100.0      1
         Y           150  150.0      1
B        X           200  200.0      1
         Y           250  250.0      1
C        X           300  300.0      1
         Y           350  350.0      1
         Z           400  400.0      1

自定义聚合函数

你也可以使用自定义函数。假设我们想计算每组值的范围（*值减最小值）：

def range_func(x):
    return x.max() - x.min()

range_values = grouped['Values'].agg(range_func)
print(range_values)

使用 apply 方法

groupby 对象不仅可以使用 agg 方法，还可以使用 apply 方法，这使得处理每个组的方式更加灵活。例如，可以对每个组执行一个自定义操作并返回一个DataFrame：

def custom_func(group):
    return pd.DataFrame({'value_range': group.max() - group.min(),
                         'value_sum': group.sum()})

result = grouped['Values'].apply(custom_func)
print(result)

分组后的数据合并

在实际应用中，分组后的数据通常需要与其它数据集合并。例如，如果你需要将聚合结果添加回原始数据框，可以这样操作：

df['Sum'] = df.groupby('Category')['Values'].transform('sum')

这里的 transform 方法与 agg 方法类似，但它返回一个与原始数据框尺寸相同的结果，因此可以轻松地将结果合并回原始数据框。

结论

Pandas groupby 功能极其强大，可以满足大多数数据分析任务中对数据分组和聚合的需求。通过 groupby 合理地划分数据并应用聚合函数，你能够高效地提取出有价值的信息。无论是将 groupby 与基本聚合函数结合使用，还是应用自定义函数，了解其各个方面都将极大增强你的数据处理能力。