10.1 GroupBy机制

1.Hadley Wickham创造了用于描述组操作的术语拆分-应用-联合（split-apply-combine）

第一步，数据包含在pandas对象中，可以是Series、DataFrame或其他数据结构

第二步，根据你提供的一个或多个键分离到各个组中

注：分离操作是在数据对象的特定轴向上进行的。例如，DataFrame可以在它的行方向（axis=0）或列方向（axis=1）进行分组

第三步，函数就应用到各个组中，产生新的值

第四步，所有函数的应用结果联合为一个结果对象

注：结果对象的形式取决于对数据进行的操作

示例：一个简单的分组聚合（见图10-1）

图10-1：分组聚合图示

2.分组键可是多种形式，并且键不一定是完全相同的类型

（1）与需要分组的轴向长度一致的值列表或值数组

（2） DataFrame的列名的值

（3）可以将分组轴向上的值和分组名称相匹配的字典或Series

（4）可以在轴索引或索引中的单个标签上调用的函数

注：后三种方法是可以产生用于分隔对象的值数组的快捷方式

示例：DataFrame小型表格数据集（见图10-2）

图10-2：Series型分组

图10-2：利用多个键进行分组

图10-2：利用列名进行分组

图10-2：利用轴向长度一致的数组分组

利用size()返回包含组大小信息的Series（见图10-3）

图10-3：size（）用法

注：分组键中的任何缺失值将被排除在结果之外

10.1.1遍历各分组

1.GroupBy对象支持迭代，会生成一个包含组名和数据块的2维元组序列（见图10-4）

图10-4 分组键迭代

注：在多个分组键的情况下，元组中的第一个元素是键值的元组

2.选择在任何一块数据上进行你想要的操作，使用一行代码计算出数据块的字典（见图10-5）

图10-5：使用代码计算出数据块字典

3.默认情况下，groupby在axis=0的轴向上分组，也可以在其他任意轴向上进行分组（见图10-6）

图10-6：多轴向分组

10.1.2 选择一列或所有列的子集

1.从DataFrame创建的GroupBy对象用列名称或列名称数组进行索引时，产生用于聚合的列子集的效果

df.groupby('key1')['data1']

df.groupby('key1')[['data2']]

是下面代码的语法糖：

df['data1'].groupby(df['key1'])

df[['data2']].groupby(df['key1']) #Series分组键

注：语法糖，指计算机语言中添加的某种语法，这种语法对语言的功能并没有影响，但是更方便程序员使用。通常来说使用语法糖能够增加程序的可读性，从而减少程序代码出错的机会。

2.处理大型数据，聚合少部分列

示例：计算data2列均值（见图10-7）

图10-7 ：计算data2列均值

注：如果传递的是列表或数组，则此索引操作返回的对象是分组的DataFrame；如果只有单个列名作为标量传递，则为分组的Series（见图10-8）

图10-8：单个列名标量传递

10.1.3 使用字典和Series分组

1.使用字典分组

示例DataFrame：拥有各列的分组对应关系，把各列按组累加（见图10-9）

图10-9：使用字典进行分组

2.Series也有相同的功能，可以视为固定大小的映射（见图10-10）

注：映射，两个元素的集之间元素相互“对应”的关系

图10-10：使用Serie分组

10.1.4 使用函数分组

1.利用Python函数分组是定义分组关系的一种通用的方式

作为分组键传递的函数将会按照每个索引值调用一次，同时返回值会被用作分组名称

示例：考虑上一节的示例DataFrame，其中人名作为索引值，计算字符串的长度作为分组名称（见图10-11）

图10-11：利用函数分组

2.将函数与数组、字典或Series进行混合，所有的对象都会在内部转换为数组（见图10-12）

图10-12：混合分组

10.1.5 根据索引层级分组

1.分层索引的数据集的便利：能够在轴索引的某个层级上进行聚合

示例：（见图10-13）

图10-13：根据索引层级分组

注：（1）pandas.MultiIndex.from_arrays

classmethod MultiIndex.from_arrays(arrays,sortorder=None,names=None)

Convert arrays to MultiIndex

（2）根据层级分组时，将层级数值或层级名称传递给level关键字

《利用Python进行数据分析》 10.1 GroupBy机制