2. GroupBy对象

  1. GroupBy对象是一个迭代器对象。迭代结果产生一组二元元组（由分组名和数据块组成）。

    • 如果有多重键，则元组的第一个元素将是由键组成的元组。
    • dict(list(GroupBy_obj))将生产一个字典，方便引用

    GroupBy_iter1 GroupBy_iter2

    • GroupBy.groups属性返回一个字典： {group name->group labels}
    • GroupBy.indices属性返回一个字典：{group name->group indices}

    GroupBy_groups_indices

  3. GroupBy的统计函数有（排除了NaN）：

    • GroupBy.count() ：计算各分组的非NaN的数量
    • GroupBy.cumcount([ascending])：计算累积分组数量
    • GroupBy.first()：计算每个分组的第一个非NaN值
    • GroupBy.head([n]) ：返回每个分组的前 n个值
    • GroupBy.last() ：计算每个分组的最后一个非NaN值
    • GroupBy.max()：计算每个分组的最大值
    • GroupBy.mean(*args, **kwargs)：计算每个分组的均值
    • GroupBy.median()：计算每个分组的中位数
    • GroupBy.min()：计算每个分组的最小值
    • GroupBy.nth(n[, dropna])：计算每个分组第n行数据。 如果n是个整数列表，则也返回一个列表。
    • GroupBy.ohlc()：计算每个分组的开始、最高、最低、结束值
    • GroupBy.prod()：计算每个分组的乘
    • GroupBy.size()：计算每个分组的大小（包含了NaN）
    • GroupBy.sem([ddof]) ：计算每个分组的sem（与均值的绝对误差之和）
    • GroupBy.std([ddof]) ：计算每个分组的标准差
    • GroupBy.sum()：计算每个分组的和
    • GroupBy.var([ddof])：计算每个分组的方差
    • GroupBy.tail([n]) ：返回每个分组的尾部 n个值

    另外SeriesGroupBy/DataFrameGroupBy也支持Series/DataFrame的统计类方法以及其他方法：

    1.   #SeriesGroupBy - DataFrameGroupBy 都有的方法：
    3.   .agg(arg, *args, **kwargs)
    5.   .all([axis, bool_only, ...]) 
    7.   .any([axis, bool_only, ...])
    9.   .bfill([limit])
    11.   .corr([method, min_periods])
    13.   .count() 
    15.   .cov([min_periods]) 
    17.   .cummax([axis, skipna]) 
    19.   .cummin([axis, skipna]) 
    21.   .cumprod([axis]) 
    23.   .cumsum([axis]) 
    25.   .describe([percentiles, ...]) 
    27.   .diff([periods, axis])   
    29.   .ffill([limit]) 
    31.   .fillna([value, method, ...]) 
    33.   .hist(data[, column, by, ...]) 
    35.   .idxmax([axis, skipna]) 
    37.   .idxmin([axis, skipna]) 
    39.   .mad([axis, skipna, level])
    41.   .pct_change([periods, ...]) 
    43.   .plot 
    45.   .quantile([q, axis, ...]) 
    47.   .rank([axis, method, ...]) 
    49.   .resample(rule, *args, **kwargs) 
    51.   .shift([periods, freq, axis])
    53.   .size() 
    55.   .skew([axis, skipna, level, ...]) 
    57.   .take(indices[, axis, ...])
    59.   .tshift([periods, freq, axis]) 
    61.   #SeriesGroupBy独有的方法
    63.   SeriesGroupBy.nlargest(*args, **kwargs) 
    65.   SeriesGroupBy.nsmallest(*args, **kwargs) 
    67.   SeriesGroupBy.nunique([dropna]) 
    69.   SeriesGroupBy.unique()
    71.   SeriesGroupBy.value_counts([normalize, ...])   
    73.   #DataFrameGroupBy独有的方法
    75.   DataFrameGroupBy.corrwith(other[, axis, drop]) 
    77.   DataFrameGroupBy.boxplot(grouped[, ...])

    GroupBy_method0 GroupBy_method1

  4. 如果你希望使用自己的聚合函数，只需要将其传入.aggregate(func, *args, **kwargs)或者.agg()方法即可。其中func接受一维数组，返回一个标量值。

    • 注意：自定义聚合函数会慢得多。这是因为在构造中间分组数据块时存在非常大的开销（函数调用、数据重排等）
    • 你可以将前面介绍的GroupBy的统计函数名以字符串的形式传入。
    • 如果你传入了一组函数或者函数名，则得到的结果中，相应的列就用对应的函数名命名。如果你希望提供一个自己的名字，则使用(name,function)元组的序列。其中name用作结果列的列名。
    • 如果你希望对不同的列采用不同的聚合函数，则向agg()传入一个字典。字典的键就是列名，值就是你希望对该列采用的函数。

    GroupBy_agg0 GroupBy_agg1

  5. .get_group(key)可以获取分组键对应的数据。

    • key ：不同的分组就是依靠它来区分的

  6. GroupBy的下标操作将获得一个只包含源数据中指定列的新GroupBy对象

  7. GroupBy类定义了__getattr__()方法，当获取GroupBy中未定义的属性时：

    • 如果属性名是源数据对象的某列的名称则，相当于GroupBy[name]，即获取针对该列的GroupBy对象
    • 如果属性名是源数据对象的方法，则相当于通过.apply(name)对每个分组调用该方法。