Pandas中g(shù)roupby的這些用法你都知道嗎？
導(dǎo)讀
pandas作為Python數(shù)據(jù)分析的瑞士軍刀，集成了大量實用的功能接口，基本可以實現(xiàn)數(shù)據(jù)分析一站式處理。前期，筆者完成了一篇pandas系統(tǒng)入門教程，也針對幾個常用的分組統(tǒng)計接口進行了介紹，今天再針對groupby分組聚合操作進行拓展講解。
01 如何理解pandas中的groupby操作
其中：
split：按照某一原則（groupby字段）進行拆分，相同屬性分為一組
apply：對拆分后的各組執(zhí)行相應(yīng)的轉(zhuǎn)換操作
combine：輸出匯總轉(zhuǎn)換后的各組結(jié)果
02 分組（split）——groupby
groupby首先要指定分組原則，這也是groupby函數(shù)的第一步，其常用參數(shù)包括：
by，分組字段，可以是列名/series/字典/函數(shù)，常用為列名
axis，指定切分方向，默認為0，表示沿著行切分
as_index，是否將分組列名作為輸出的索引，默認為True；當設(shè)置為False時相當于加了reset_index功能
sort，與SQL中g(shù)roupby操作會默認執(zhí)行排序一致，該groupby也可通過sort參數(shù)指定是否對輸出結(jié)果按索引排序
單列作為分組字段，不設(shè)置索引
單列字段的轉(zhuǎn)換格式作為分組字段
字典，根據(jù)索引對記錄進行映射分組
函數(shù)，根據(jù)函數(shù)對索引的執(zhí)行結(jié)果進行分組
03 轉(zhuǎn)換（apply）——agg/apply/transform
分組之后的第二個步驟即為分組轉(zhuǎn)換操作，也就是應(yīng)用（apply）一定的函數(shù)得到相應(yīng)的結(jié)果。常用的執(zhí)行操作方式有4種：
直接加聚合函數(shù)，但只能實現(xiàn)單一功能，常用聚合函數(shù)包括：mean/sum/median/min/max/last/first等，最為簡單直接的聚合方式
agg(或aggregate)，執(zhí)行更為豐富的聚合功能，常用列表、字典等形式作為參數(shù)
apply，除了agg豐富的可選聚合函數(shù)外，apply還可以自定義面向分組的聚合函數(shù)
transform，又一個強大的groupby利器，其與agg和apply的區(qū)別相當于SQL中窗口函數(shù)和分組聚合的區(qū)別：transform并不對數(shù)據(jù)進行聚合輸出，而只是對每一行記錄提供了相應(yīng)聚合結(jié)果；而后兩者則是聚合后的分組輸出。
實際上，pandas中幾乎所有需求都存在不止一種實現(xiàn)方式！
04 時間序列的groupby——resample
再次指出，groupby相當于是按照某一規(guī)則對數(shù)據(jù)進行分組聚合，當分組的規(guī)則是時間序列時，還存在另一種特殊的分組方式——重采樣resample。理解groupby的split-apply-combine三步走處理流程，那么自然也很容易理解resample處理流程：按照時間split——apply——combine。同時，也正因為resample是一種特殊的分組聚合，所以groupby的4種轉(zhuǎn)換操作自然也都適用于resample。
當然，這是直接用了聚合函數(shù)，更復(fù)雜的例如agg、apply和transform等用法也是一樣的。換句話說，resample與groupby的核心區(qū)別僅在于split階段：前者按照時間間隔進行分組，而后者是按照定義的某種規(guī)則進行分組。
需要指出，resample等價于groupby操作一般是指下采樣過程；同時，resample也支持上采樣，此時需設(shè)置一定規(guī)則進行插值填充。
python爬蟲人工智能大數(shù)據(jù)公眾號
