[利用python进行数据分析 书笔记]第9章 数据聚合和分组运算

GroupBy技术

对分组进行迭代	groupby对象支持迭代，可以产生一组二元元组（有分组名和数据块组成）
	for name,group in df.groupby('key')
选取一个或一组列	df.groupby('key1')['data1']   等于  df['data1'].groupby(df['key1'])
	以key1为目标分组出data1对应数据
通过字典或Series进行分组	mapping = {‘a':'red' , 'b' = 'red' , 'c':'blue'} ----->df.groupby(mapping,axis = 1)
	将原来数据中的a和b分为一组称red，c为一组称blue
通过函数进行分组	people.groupby(len)  求取索引中字符串长度的数组
根据索引级别分组	df.groupby(level =  )

数据聚合

面向列的多函数应用

grouped = tips.groupby(['sex'])	根据sex对tips进行分组
grouped_pct = grouped['tip_pct']
grouped_pct.agg('mean')	将函数名以字符串形式传入

以“无索引”的形式返回聚合数据

向groupby传入as_index = False禁用分组建组成的索引

分组级运算和转换

transform方法	将一个函数应用到各个分组，然后将结果放置到适当的位置上。
	如果各分组产生的是一个标量值，则该值就会被广播出去
	def demean(arr) :  return arr - arr.mean()
	demeaned = people .groupby(key).transform(demean)
apply方法（拆分——应用——合并）	传入apply的函数在DataFrame的各个片段上调用，然后结果由pandas.concat组装到一起，并以分组名称进行标记
	def top (df,n=5,column = 'tip_pct'):  return df.sort_index(by = column)[-n:]
	tips.groupby('smoker').apply(top,n=1)
	传给apply的函数能够接受其他参数或关键字，可以将这些内容放在函数名后面一并传入
	group_key = false 传入groupby可禁止分组键

分位数和桶分析

1.  cut和qcut方法	根据指定面元或样本分位数将数据拆分成多块
2.  groupby	将cut与groupby结合起来就能实现对数据集的桶或分位数分析

透视表和交叉表

透视表pivot_table

交叉表：crosstab