Python-Pandas groupby后可应用函数全解析

groupby后可以应用agg或apply的函数

函数	解释
max	最大值
min	最小值
mean	平均值
count	计数(不包含空值)
describe	统计信息(max,min,mean,count同时显示)
size	行数，即包含空值得count，类似于SQL里面的count(*)
last	最后一行，就是排序后取最后一个，如果是数值排序,就是最小值,注意不包含NA值
first	第一行，就是排序后取第一个，如果是数值排序,就是最大值,不包含NA值
nth(0)/nth(1)/nth(3)	取第n大的行(数)，如果是数值，就是取第1大/2大/3大的数值,不包含NA值
head(1)/head(2)	取前n行，如果是数值就是取前1/2大的数,不包含NA值
nlargest	和head()一样，取前几个最大的数,不包含NA值
sum	求和
median	中位数
std	标准差
var	方差
prod	内积，即连乘，所有数连乘
shift	移位，时间序列中常用，就是把shift(1)整体数据往下移一行，shift(-1)上移一行
diff	做差，diff(1)做一阶差，diff(2)做2阶差
rank	排序，可以设置rank(method=first，min，max，mean方法)
nunique	去重后的个数，即返回唯一值的个数
len	等同于size
mad	平均绝对偏差
cumsum	累计和
cummax	到目前为止的最大值
cummin	到目前为止的最小值
quantile	分位数
skew	偏度
kurt	峰度

说明

1.shift和diff的应用

假如你要根据A分组，计算B列的一阶差分，下面的用法是不对的，会导致分组的索引A列消失

df.groupby('A').B.diff(1)或者df.groupby('A').B.shift(1)

正确用法，先将需要分组的列设置为索引，然后

df.set_index('A')
df.groupby(level=0).B.diff(1)或者df.groupby(level=0).B.shift(1)

上面level=0表示对索引进行分组，这样才会返回带分组列的正确信息

2.cummax和cummin的理解，举个例子就懂了

df

     A    B
0  2.0  1.0
1  3.0  NaN
2  1.0  0.0

df.cummax()分组后取累计最大值
     A    B
0  2.0  1.0
1  3.0  NaN
2  3.0  1.0
cummin为累计最小值，