《Python与数据分析应用》课件——第12章 数据聚合与分组运算.pptxVIP

;;;;Pandas官方参考文档地址是/

pandas-docs/stable/groupby.html。;分组与聚合的过程大概分为以下三步：;分组与聚合的原理;;在Pandas中，可以通过groupby()方法将数据集按照某些标准划分成若干个组。;groupby()方法会返回一个GroupBy对象，该对象实际上并没有进行任何计算，只是包含一些关于分组键的中间数据而已。;通过groupby()方法的by参数可以指定按什么标准分组，该参数可以接收的数据主要有以下4种：;按列名进行分组;如果要查看每个分组的具体内容，则可以使用for循环遍历DataFrameGroupBy对象。;按Series对象进行分组;思考：

如果Series对象的长度与原数据的行索引长度不相等时，那么在分组时会怎么样呢？;如果Series对象与Pandas对象的索引长度不相同时，则只会将具有相同索引的部分数据进行分组。;按字典进行分组;按函数进行分组;;前面介绍过的Pandas统计方法，比如用于获取最大值和最小值的max()和mix()，这些方法常用于简单地聚合分组中的数据。;如果内置方法无法满足聚合要求时，则可以自定义函数，将它作为参数传给agg()方法，实现Pandas对象的聚合运算。;对每一列数据应用同一个函数;对某列数据应用不同的函数;虽然每一列可以应用不同的函数，但是结果并不能很直观地辨别出每个函数代表的含义。;为了能更好地反映出每列数据的信息，可以使用“(name,function）”元组将function（函数名）替换为name（自定义名称）。;对不同列数据应用不同函数;;;思考：

如果希望聚合后的数据与原数据保持一样的形状，应该怎么做呢？;如果希望保持与原数据集形状相同，那么可以通过transfrom()方法实现。;transform()方法返回的结果有两种，一种是可以广播的标量值（np.mean），另一种可以是与分组大小相同的结果数组。;apply()方法的使用是十分灵活的，它可以在许多标准用例中替代聚合和转换，另外还可以处理一些比较特殊的用例。;本章主要针对Pandas的分组聚合和其它组内运算进行了介绍，包括分组与聚合的原理、分组操作、聚合操作，以及其它分组级的相关操作，最后介绍了一个分析运动员基本信息的案例，真实地演示如何运用这些知识。

大家在学习与理解的同时，要多加练习??可根据具体情况选择合理的技术进行运用即可。