Pandas分组聚合之groupby()、agg()方法的使用教程

一、Pandas分组聚合之groupby()方法的使用教程
1. groupby()方法的基本语法及功能
groupby()方法是Pandas中非常强大的分组聚合工具，其基本语法格式为：
DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False,
dropna=True)

各参数说明：
- by：分组的依据，可以是列名、Series、数组或函数等多种形式
- axis：指定在哪个轴方向上进行分组，默认为0，即按行进行分组
- level：在多层索引的情况下，指定分组的层级
- as_index：默认为True，表示分组后返回的结果是否以分组列作为索引
- sort：默认为True，表示分组结果是否进行排序
- group_keys：默认为True，表示在结果中表示组名的键是否作为索引
- squeeze：默认为False，表示当分组结果只有一列时是否压缩成Series
- observed：用于处理分类变量中不存在类型的情况，默认为False
- dropna：是否剔除缺失值，默认为True

groupby()方法会根据指定的分组依据对数据进行分组，并对每一组数据进行聚合操作。

1. 示例说明
   下面以一个名为"sales_data.csv"的销售数据为例，来演示groupby()方法的使用。

首先，我们需要读入并查看原始数据：

import pandas as pd

df = pd.read_csv('sales_data.csv')
print(df.head())

结果如下：

  OrderDate   Region       Product  Quantity
0  2015/1/1     East       Plastic       481
1  2015/1/2    North  Office goods      3784
2  2015/1/3    North       Plastic      2259
3  2015/1/4  Central          Food      7614
4  2015/1/5    South          Food      1656

接下来，我们以"Region"列作为分组依据，并计算出每个区域的销售总量：

grouped = df.groupby(by='Region')
result = grouped.sum()
print(result)

结果如下：

         Quantity
Region           
Central    342481
East       267937
North      219477
South      301163
West       267130

从结果可以看出，原始数据集按"Region"列进行了分组操作，并计算出了每个区域的销售总量。

二、Pandas分组聚合之agg()方法的使用教程
1. agg()方法的基本语法及功能
agg()方法是Pandas中另一个非常常用的分组聚合工具，其基本语法格式为：
DataFrame.agg(func=None, axis=0, *args, **kwargs)

各参数说明：
- func：单个或多个聚合函数，可以是字符串（内置函数、自定义函数）或函数列表
- axis：指定在哪个轴方向上进行分组，默认为0，即按行进行分组
- args和kwargs：用于传递给聚合函数的参数

agg()方法基于groupby()方法，但可以通过指定聚合函数对每个分组进行不同的聚合操作，可以同时指定多个聚合函数。

1. 示例说明
   继续以上述销售数据为例，我们以"Region"列作为分组依据，并使用agg()方法计算每个区域的销售总量、平均销售量、最大值和最小值：

grouped = df.groupby(by='Region')
result = grouped['Quantity'].agg(['sum', 'mean', 'max', 'min'])
print(result)

结果如下：

           sum         mean    max  min
Region                                 
Central  342481  302.990265  99967    4
East     267937  245.798845  96324    2
North    219477  221.889411  95492    1
South    301163  243.226714  99907    1
West     267130  262.175389  98624    1

从结果可以看出，我们通过agg()方法指定了要进行的聚合操作，包括求和、均值、最大值和最小值，并将结果按照"Region"列进行了分组。