Python中的groupby分组

写在前面：之前我对于groupby一直都小看了，而且感觉理解得不彻底，虽然在另外一篇文章中也提到groupby的用法，但是这篇文章想着重地分析一下，并能从自己的角度分析一下groupby这个好东西~

OUTLINE

• 根据表本身的某一列或多列内容进行分组聚合
• 通过字典或者Series进行分组

根据表本身的某一列或多列内容进行分组聚合

这个是groupby的最常见操作，根据某一列的内容分为不同的维度进行拆解，将同一维度的再进行聚合

• 按一列进行聚合

import pandas as pd
import numpy as np
df = pd.DataFrame({'key1':list('aabba'),
                  'key2': ['one','two','one','two','one'],
                  'data1': np.random.randn(5),
                  'data2': np.random.randn(5)})

for i in df.groupby('key1'):
    print(i)
# 输出：
('a',       data1     data2 key1 key2
0 -0.293828  0.571930    a  one
1  1.872765  1.085445    a  two
4 -1.943001  0.106842    a  one)
('b',       data1     data2 key1 key2
2 -0.466504  1.262140    b  one
3 -1.125619 -0.836119    b  two)

• 按多列进行聚合，则看的是多列之间维度的笛卡尔积

比如按照key1列，可以分为a和b两个维度，按照key2列可以分为one和two两个维度，最后groupby这两列之后的结果就是四个group。

for i in df.groupby(['key1','key2']):
    print(i)
# 输出：
(('a', 'one'),       data1     data2 key1 key2
0 -0.293828  0.571930    a  one
4 -1.943001  0.106842    a  one)
(('a', 'two'),       data1     data2 key1 key2
1  1.872765  1.085445    a  two)
(('b', 'one'),       data1    data2 key1 key2
2 -0.466504  1.26214    b  one)
(('b', 'two'),       data1     data2 key1 key2
3 -1.125619 -0.836119    b  two)

通过字典或者Series进行分组

问题情境：一共有5个同学分别对5样东西做了一个评价，0-5表示对该物品的喜爱程度，随着数值的升高，程度也在不断加深。

import pandas as pd
import numpy as np
import random
people=pd.DataFrame(
  np.random.randint(low=0,high=6,size=(5,5)),
  columns=['香蕉','苹果','橘子','眼影','眼线'],
  index=['Joe','Steve','Wes','Jim','Travis']
)

但是可以明显发现这五样物品可以分为两类：“水果”和“化妆品”。

问题：我想知道这五名同学对水果和化妆品的平均喜爱程度是什么样的？

solution1：通过字典分组

mapping = {'香蕉':'水果','苹果':'水果','橘子':'水果','眼影':'化妆品','眼线':'化妆品'}
data = people.groupby(mapping,axis=1).mean()

solution2：通过Series分组

mapping2 = pd.Series(mapping)
# mapping2
橘子     水果
眼影    化妆品
眼线    化妆品
苹果     水果
香蕉     水果
dtype: object

之后将Series传入

data2 = people.groupby(mapping2,axis=1).mean()

无论solution1还是2，本质上，都是找index（Series）或者key（字典）与数据表本身的行或者列之间的对应关系，在groupby之后所使用的聚合函数都是对每个group的操作，聚合函数操作完之后，再将其合并到一个DataFrame中，每一个group最后都变成了一列（或者一行）。

另外一个我容易忽略的点就是，在groupby之后，可以接很多很有意思的函数，apply/transform/其他统计函数等等，都要用起来！

---

彩蛋~

意外发现这两种不同的语法格式在jupyter notebook上结果是一样的，但是形式有些微区别

df.groupby(['key1','key2'])[['data2']].mean()

df.groupby(['key1','key2'])['data2'].mean()