dataframe 的 groupby提供了分组，切片，切块的操作，根据一列或者多列进行拆分数据。

对于分组后的数据可以计数，平均值，众数等等。同样通过各种函数还可以进行透视表，交叉表，分位表等等分组的分析

groupby函数：

用法：
 data.groupby(df[‘key’])
返回值：
 dataframe重构数据，且key会变成新的索引，可以dic(list())转为字典通过key查看。

测试案例

生成dataframe数据

import pandas as pd
import numpy as np

df = pd.DataFrame({'key1':list('aacca'),
                    'key2':[1,2,3,2,2],
                    'data1':[2,4,7,5,3],
                    'data2':[1 for i in range(5)],
                    'data3':np.random.randn(5)
    
})
df

	key1	key2	data1	data2	data3
0	a	1	2	1	-2.150799
1	a	2	4	1	1.751041
2	c	3	7	1	0.902273
3	c	2	5	1	0.886773
4	a	2	3	1	0.489002

df[‘data1’].groupby(df[‘key’])

对df中的一列数据根据key进行分组.

groupby后数据转为字典

gb = df['data1'].groupby(df['key1'])
gb_dic = dict(list(gb))
gb_dic

{'a': 0    2
 1    4
 4    3
 Name: data1, dtype: int64,
 'c': 2    7
 3    5
 Name: data1, dtype: int64}

对data1通过key1分组求值

gb1 = df['data1'].groupby(df['key1'])
gb1.mean()
gb1.max()
gb1.sum()

<pandas.core.groupby.generic.SeriesGroupBy object at 0x000001F10CF6DD88>

对data1通过key1，key2分组

df.groupby([Series1,Series2]),其中，Series1可以是df[‘key1’]，也可以是np.array()

gb2 = df['data1'].groupby([df['key1'],df['key2']])
gb2.sum()

key1  key2
a     1       2
      2       7
c     2       5
      3       7
Name: data1, dtype: int64

gb2 = df['data1'].groupby([np.array([2001,2002,2003,2001,2003]),df['key2']])
gb2.sum()

      key2
2001  1       2
      2       5
2002  2       4
2003  2       3
      3       7
Name: data1, dtype: int64

.groupby(‘key’)

直接对key进行分组，这样对所有的数值列都进行聚合,如果有非数值列，则不进行计算，丢掉该列。

# key1是非数值列，所以通过key2分组后，对于key1那一列不进行聚合
gb3 = df.groupby('key2')
gb3.sum()

	data1	data2	data3
key2
1	2	1	-2.150799
2	12	3	3.126817
3	7	1	0.902273

# key2是数值列，所以通过key1分组后进行聚合
gb3 = df.groupby('key1')
gb3.sum()

	key2	data1	data2	data3
key1
a	5	9	3	0.089244
c	5	12	2	1.789047

对行分组

默认对列（axis=0）进行分组，如果需要，也可以对行分组(axis=1)

gb4 = dict(list(df.groupby(df.dtypes,axis=1)))

gb4

{dtype('int64'):    key2  data1  data2
 0     1      2      1
 1     2      4      1
 2     3      7      1
 3     2      5      1
 4     2      3      1,
 dtype('float64'):       data3
 0 -2.150799
 1  1.751041
 2  0.902273
 3  0.886773
 4  0.489002,
 dtype('O'):   key1
 0    a
 1    a
 2    c
 3    c
 4    a}