简介

pandas中一类非常重要的操作是数据聚合与分组运算。通过groupby方法能够实现对数据集的拆分、统计、转换等操作，这个过程一气呵成。

在本文中，你将学到：

• 选取特定列分组；
• 对分组进行迭代；
• 通过字典或Series分组；
• 通过函数分组；
• 通过索引级别分组。

Groupby技术

一个完整的分组运算过程是：“split-apply-combine”（拆分-应用-合并）。首先将数据分组拆分，按照组别划分。这种分组可以针对行（axis=0）或列（axis=1）；然后针对分好的组别应用操作函数（聚合、统计等）；最后这些结果会合并到最终对象中。这个过程如下：

接下来我们一一介绍。

选取特定列分组

直接来看一个例子：

我们有这样一个DataFrame，假设我们想通过 x 进行分组，并计算 d1 列的平均值，有这样两种方式：

可以看出这里的变量 a 是一个 GroupBy 对象，可以认为它是做好了分组的中间数据。接下来我们就可以通过 mean() 方法计算平均值：

结果表明，通过 x 分组后有 'a', 'b' 两组，最后得到两组的平均值。以上是通过一列进行分组，我们还可以指定多列分组：

在上面的例子中，我们使用的分组都是基于已经有的列名。事实上，我们也可以根据自定义的数组来分组，假如我有如下两个数组：

根据数组分组：

GroupBy对象迭代

GroupBy对象也支持迭代，可以产生一个二元元组(由分组索引和数据集组成)。比如：

如果是多个分组索引，二元元组的第一个元素就是分组索引组成的元组：

既然知道groupby对象是一个二元元组，一个可能有用的操作技巧是将它转变成字典，然后就可以通过键访问对应的数据：

除了在行上进行分组，我们也可以在列上进行分组：

通过 dtypes 能够获取每列的数据类型，接着我们根据数据类型对列进行分组：

通过字典或Series分组

在前面就讲到可以根据自定义的数组进行分组，那么我们也可以传入一个字典或者Series映射现有的行或列，再通过自定义的数组

建立一个字典映射：

将现有的行索引按照 ['joe', 'lucy'] 来分组。

或者使用Series：

通过函数进行分组

假设有这样地数据：

我们想根据行索引字符串的长度进行分组，就可以直接调用 len 函数：

行索引1、2就表示行索引字符串长度为1和2的两个组。

我们还可以将函数和数组、列表、字典、Series混合使用：

通过索引级别分组

对于层次化索引分组，可以根据 level 参数选择索引级别进行分组。如果有下面这个层次化数据集：

level 参数可以传入级别名称或者编号：

设置了 axis=1 ，表示在列上进行分组从外到内的级别编号依次0、1…

总结

再本文中初步介绍了groupby方法的使用，可以根据不同的方式（字典、Series、数组、函数、索引级别）选择分组索引进行分组。在后面的文章中我们还会详细介绍传入函数的应用，因为这在实际工作中使用较多。