SQL经常将聚合函数与GROUP BY进行组合，对数据进行分组统计分析，python在分析数据中也可以实现相同的功能，而且python也是用GROUPBY

首先创建一个数据表

import pandas as pd
import numpy as np

value = {'用户ID':['001','002','003','004','005','006'],
         '用户类型':['大','小','中','大','小','中'],
         '区域':['A','B','A','C','B','A'],
         '7月销量':[50,60,75,100,120,130],
         '7月销售额':[500,1200,2250,1100,3600,5200]}
df = pd.DataFrame(value)

1.groupby()

最重要的参数为by

• 如果是基于单列进行分组，括号中可以填入列名，如'用户类型'，也可以填入Series，如df['用户类型']
• 如果是基于多列进行分组，括号中可以填入列名组成的列表，如["用户类型","区域"]，也可以填入Series组成的列表，如[df["用户类型"],df["区域"]

其他参数根据情况，一般默认即可， axis=0, level=None，as_index=True，sort = True, group_keys= True,  observed= False, dropna= True

2.选择列

df.groupby()生成的也是DataFrame，有时可能需要在统计分析前选择列，可按照筛选列的方法进行操作，具体见https://blog.csdn.net/Monkey_wang_/article/details/116156599，不设置筛选时，默认是选择全部列

例如你只需要对7月销售额进行统计分析，可以写成df.groupby("用户类型")["7月销售额"]

3.统计函数

常见统计函数包括mean,sum,count,max,min等

• 对选择出来的列进行单一统计

df.groupby(['用户类型','区域']).sum()

		7月销量	7月销售额
用户类型	区域
中	A	205	7450
大	A	50	500
	C	100	1100
小	B	180	4800

• 对选择出来的列进行多种统计，此时需要借助aggregate方法，对分组后选择的列同时进行多种统计

df.groupby(['用户类型','区域']).aggregate(['sum','count'])

		用户ID		7月销量		7月销售额
		sum	count	sum	count	sum	count
用户类型	区域
中	A	003006	2	205	2	7450	2
大	A	001	1	50	1	500	1
	C	004	1	100	1	1100	1
小	B	002005	2	180	2	4800	2

• 对选择出来的列，不同列进行不同的统计，如一个列进行求和，一个列进行求平均，仍需要借助aggregate方法，不过这个时候需要传入以列名为键，统计函数为值的字典

df.groupby(['用户类型','区域']).aggregate({'7月销量':'sum','7月销售额':'mean'})

		7月销量	7月销售额
用户类型	区域
中	A	205	3725
大	A	50	500
	C	100	1100
小	B	180	2400

 

4.索引处理

默认以分组中的某列或某些列为索引，但有时候我们并不想要这样的索引，此时有两种方法处理：

• 将groupby()中的参数as_index设置为False，即as_index=False

df.groupby('用户类型',as_index=False).sum()

• 通过reset_index()重置索引

df.groupby('用户类型').sum().reset_index()