数据的分组运算（GroupBy）——基础篇

分组运算的标准术语**“拆分—应用—合并”（split-apply-combine）**，具体如下图，

pandas对象的分组与聚合使用的是 groupby方法，

参数解读

基本使用

首先构建如下DataFrame对象，

1）Series分组

使用 key1 这一列对 data1 这一列进行分组，通过by参数将 key1 这一列传入，

这个GroupBy对象只包含了分组的中间数据，具有进一步分组进行运算的能力。

聚合得到的是一个索引为key1列唯一值，索引列名也为“key1”的对象，groupby方法同样支持根据多个不同的列进行分组，

根据多个列进行分组后得到的是层次化索引，可以看做是两列不同元素之间构成的笛卡尔积。可以使用unstack方法去除堆叠，

分组也支持使用长度与DataFrame行数等长的numpy数组、列表进行分组，

2）DataFrame的分组

依旧使用最开始构建的DataFrame，

使用一列或多列对DataFrame进行分组的方式与Series分组方式是相同的。

GroupBy对象size方法

GroupBy对象的size方法有时候是很有用的，它能返回各个分组的大小，

分组进行迭代

groupby方法产生的GroupBy对象支持迭代，产生一组二元tuple，


如果是多个列同时进行分组，则GroupBy对象的tuple的第一个元素是个tuple，

依据每列数据类型进行分组

使用dtype对列进行分组，

因为是按列进行分组，所以是在水平方向上进行拆分。故axis参数值为1。

分组后选取一个或一组列进行运算

选取一列进行运算，

上面的一行代码实际上可以分为两步进行理解，

使用字典或者Series进行分组

除了numpy数组，分组的信息还可以以其他形式存在。不同于numpy数组，字典和Series不要求一定与Dataframe或者Series等长，通过键值和索引匹配即可，

1）字典形式进行分组

创建一个用于分组的字典，字典的键值可以不与DataFrame的列名数目相等，

2）Series形式进行分组

通过函数进行分组

任何用于分组的函数都会在各个索引上执行一次，函数返回值会被用作分组的名称，

使用 len方法对DataFrame进行分组，


函数与数组、字典、列表、Series等序列混合使用，

混合使用后生成的是层次化索引。

依据索引级别进行分组

当Dataframe和Series存在层级化索引时，使用 groupby方法的 level参数可以指定使用哪一层索引进行分组，

上面的代码依据 cty 这一层列索引将DataFrame在水平方向上进行分组。