本篇仍然使用飞桨的练习题和数据集来整理下pandas数据分组，仍然先抛出链接这十套练习，教你如何使用Pandas做数据分析 - 飞桨AI Studio，感谢提供数据集。本篇仍然会按照练习题进行，当然我不是照本宣科，仍然会有一些扩展和避坑。
目录
一、读取数据
三部曲：导入pandas库、设置最大行列、读取数据
import pandas as pd
# 设置显示的最大列、宽等参数，消掉打印不完全中间的省略号
pd.set_option('display.width', 1000)
# 显示所有列
pd.set_option('display.max_columns', None)
# 显示所有行
pd.set_option('display.max_rows', None)
# 读取csv文件
path1 = "exercise_data/drinks.csv"
data = pd.read_csv(path1)读取完数据，先head看下每一列代表什么。包括国家、啤酒消费数、雪碧消费数、红酒消费数、每升酒精含量、大陆：
二、数据分析
1、每个大陆啤酒消费平均数
'beer_servings'求均值，'continent'groupby一下：
print(data.groupby('continent')['beer_servings'].mean())2、所有国家平均啤酒消费数
直接对'beer_servings'求均值：
print(round(data['beer_servings'].mean()))3、描述性统计
例如打印每个大洲的啤酒消费描述性统计：
print(data.groupby('continent')['beer_servings'].describe())打印出的描述性统计包括数量、平均值、标准差、最小值、25分位、50分位、75分位、最大值：
4、每个大陆各种饮料消费平均值
print(data.groupby('continent').mean())
注意，这里报了一个FutureWarning: The default value of numeric_only in DataFrameGroupBy.mean is deprecated. In a future version, numeric_only will default to False. Either specify numeric_only or select only columns which should be valid for the function.
print(data.groupby('continent').mean())
意思是，mean()函数默认为numeric_only=True，也就是仅对数字类型的列生效。但是后面的版本可能会默认为false，这样必须选取数字类型的列或者指定为True才可以使用。因此，我们直接指定为True：
print(data.groupby('continent').mean(numeric_only=True))5、每个大陆各种饮料消费中位数
print(data.groupby('continent').median(numeric_only=True))
6、每个大陆spirit饮品消耗的平均值，最大值和最小值
print(data.groupby('continent')['spirit_servings'].agg(['mean', 'min', 'max']))
7、避坑
到这里，我们本篇随着练习题走完了。但是，不知道各位有没有发现一个非常大的问题？地球上不是有七大洲吗？我们掰掰手指头：亚洲、欧洲、非洲、大洋洲、南极洲、南美洲、北美洲，但是，为什么我们按照洲的纬度groupby后，只有5个了？南极洲没有人居住我们忽略，数据集里面确实也没有南极洲。另外缺少的是北美洲？那么北美洲去哪了？
如上，北美洲简称为NA，而pandas自动忽略了NA，认为NA为非法的。那么如何解决这个问题？pandas提供了dropna和fillna来解决这种问题，dropna可以这样：
print(data.groupby('continent', dropna=False)['spirit_servings'].agg(['mean', 'min', 'max']))这样做，pandas就不会忽略NA了，但是会显示为NaN：
那如何让其正确的显示为NA呢？可以使用fillna来做：
print(data.fillna({'continent': 'NA'}).groupby('continent')['spirit_servings'].agg(['mean', 'min', 'max']))
注意：很多情况下，我们不能直接丢弃NA。当然，也不能直接让它显示为NA。本次case的特殊性在于：北美洲的简称为NA，跟python的NA碰巧了。。。。
三、完整代码
import pandas as pd
# 设置显示的最大列、宽等参数，消掉打印不完全中间的省略号
pd.set_option('display.width', 1000)
# 显示所有列
pd.set_option('display.max_columns', None)
# 显示所有行
pd.set_option('display.max_rows', None)
# 读取csv文件
path1 = "exercise_data/drinks.csv"
data = pd.read_csv(path1)
print(data.head())
# 每个大陆的啤酒消费平均数
print(data.groupby('continent')['beer_servings'].mean())
# 所有国家平均啤酒消费数
print(round(data['beer_servings'].mean()))
# 每个大陆的啤酒消费的描述性统计值
print(data.fillna({'continent': 'NA'}).groupby('continent')['beer_servings'].describe())
# 每个大陆各种饮料消费平均值
print(data.fillna({'continent': 'NA'}).groupby('continent').mean(numeric_only=True))
# 每个大陆各种饮料消费中位数
print(data.fillna({'continent': 'NA'}).groupby('continent').median(numeric_only=True))
# 每个大陆spirit饮品消耗的平均值，最大值和最小值
print(data.fillna({'continent': 'NA'}).groupby('continent')['spirit_servings'].agg(['mean', 'min', 'max']))
到这里，我们真的就完成了。我个人一点小吐槽，飞桨平台虽然提供了一些pandas的练习题和数据集，但是有些坑可能他们自己也没有注意到，或者说对新手来讲不太友好。我最近这一系列的博客，会跟随练习题的同时，尽量把一些坑和发现的问题给整理和纠正出来。