Pandas 的 groupby() 功能很强大，用好了可以方便的解决很多问题，在数据处理以及日常工作中经常能施展拳脚。
这篇文章适合有pandas基础的同学阅读，更多的会解释调用.mean()时发生了什么，及更多高阶用法。今天，我们一起来领略下 groupby() 的魅力吧。
一、什么是分组聚合？
分组聚合是对数据集进行分类，并在每一组上应用聚合函数或转换函数。如下图理解更清晰：
二、为什么要用分组聚合？
需要计算分组统计，用于报告展示或可视化作图
方便灵活的操作组数据，用其它工具(SQL)会有所限制
三、如何用分组聚合？
1、groupby 基础操作
首先，引入相关 package ：
import pandas as pd
import numpy as np
经常用 groupby 对 pandas 中 dataframe 的各列进行统计，包括求和、求均值等。
df = pd.DataFrame({'key1':['a','a','b','d','a'],
'key2':['one','two','one','two','one'],
'data1':[1,3,3,4,5],
'data2':np.random.randint(5)})
df
按key1列分组（groupby），获取data1的均值
按多列进行分组，获取data1的均值
2、分组后选择多列进行计算
3、聚合方法
聚合方法有 size() 和 count()
size 跟 count 的区别：size 计数时包含 NaN 值，而 count 不包含 NaN值
我们测试一下，将df数据集填充几个NaN。数据最终如下图：
df.loc[2:3,['data1','data2']] = np.NaN
df
下面是count（）和size（）的对比
4、分组运算方法 agg()
可以针对不同的列选用不同的聚合方法
针对某列使用agg()时进行不同的统计运算
针对不同的列应用多种不同的统计方法
5、分组运算方法 apply()
apply() 方法可以应用 lambda 函数，举例如下:
6、分组运算方法 transform()
dfs = pd.DataFrame({'group1' : ['A', 'A', 'A', 'A',
'B', 'B', 'B', 'B'],
'group2' : ['C', 'C', 'C', 'D','E', 'E', 'F', 'F'],
'B' : ['one', np.NaN, np.NaN, np.NaN,
np.NaN, 'two', np.NaN, np.NaN],
'C': [np.NaN, 1, np.NaN, np.NaN,np.NaN, np.NaN, np.NaN, 4]})
dfs
上面运算的结果分析：{'group1':'A', 'group2':'C'} 的组合共出现3次，即 index为 0,1,2。对应 "B" 列的值分别是 "one","NaN","NaN"，由于 count() 计数时不包括NaN值，因此 {'group1':'A', 'group2':'C'} 的 count 计数值为 1 。
transform() 方法会将该计数值在 dataframe 中所有涉及的 rows 都显示出来（我理解应该就进行广播）
7、将某列数据按数据值分成不同范围段进行分组（groupby）运算
应用场景：按照数据进行自定义范围分组。比如我们将各个年龄段的数据进行划分。这里将 “Age” 列分成三类，有两种方法可以实现：
（a）bins=4
（b）bins=[19, 40, 65, np.inf]
np.random.seed(0)
df = pd.DataFrame({'Age': np.random.randint(20, 70, 100),
'Sex': np.random.choice(['Male', 'Female'], 100),
'number_of_foo': np.random.randint(1, 20, 100)})
df.head()
在对数据进行分段分组时，可采用cut方法，用bins的方式实现。这种情况一般使用于，对于年龄、分数等数据。
按‘Age’分组范围和性别（sex）进行制作交叉表
看到这里，你已经很棒啦，这篇文章总结了分组聚合函数的一些干货技巧，码字不易，记得点赞关注呀❤
希望本文的内容对大家的学习或者工作能带来一定的帮助，每天进步一点点，加油~
