《利用Python进行数据分析》 12.2高阶GroupBy应用

第十二章 高阶pandas

---

12.2 高阶GroupBy应用

---

12.2.1 分组转换和“展开”GroupBy

---

   内建方法transform，与apply方法类似但是会对你可以使用的函数种类加上更多的限制：

· transform可以产生一个标量值，并广播到各分组的尺寸数据中

· transform可以产生一个与输入分组尺寸相同的对象

· transform不可改变它的输入

示例：

操作1：按key取均值（见图12-1）

图12-1：操作1

操作2：产生一个Series，它的尺寸和df['value']一样，但值都被按’key'分组的均值替代（见图12-2）

图12-2：操作2

操作3：与apply类似，transform可以与返回Series的函数一起使用，但结果必须和输入有相同的大小。例如，我们可以使用lambda函数给每个组乘以2。（见图12-3）

图12-3：操作3

操作4：一个更复杂的例子，我们可以按照每个组的降序计算排名（见图12-4）

图12-4：操作4

操作5：一个由简单聚合构成的分组转换函数，使用transform或apply可以获得等价的结果（见图12-5）

图12-5：操作5

操作6：内建的聚合函数如’mean’或’sum’通常会比apply函数更快。这些函数在与transform一起使用时也会存在一个"快速通过"。这允许我们执行一个所谓的展开分组操作。（见图12-6）

图12-6：操作6

注：然而一个展开分组操作可能会包含多个分组聚合，矢量化操作的整体优势往往超过了这一点

---

12.2.2 分组的时间重新采样

      对于时间序列数据，resample方法在语义上是一种基于时间分段的分组操作。（见图12-7）

图12-7：示例表

按‘time’进行索引，然后重新采样（见图12-8）

图12-8：重新采样

假设DataFrame包含多个时间序列，并按一个附加的分组键列进行了标记（见图12-9）

图12-9：按附加分组键标记

要为每个’key’的值进行相同的重新采样，我们可以使用pandas.TimeGrouper对象（见图12-10）

图12-10：pandas.TImeGrouper方法

设置时间索引，按’key’和time_key进行分组，再聚合（见图12-11）

图12-11：设置时间索引、分组、聚合

注：使用TimeGrouper的一个限制是时间必须是Series或DataFrame的索引。

---