Pandas GroupBy一列并获取平均值、最小值和最大值

当我们使用Pandas进行数据分析时，经常需要对数据进行分组操作并计算统计量。GroupBy是一种十分强大的Pandas工具，可以帮助我们轻松地实现按照某列（列名）分组，然后对分组内的数据进行计算统计量，如求平均值(mean)、最小值(min)、最大值(max)等。

下面，我们通过一些实例来演示Pandas GroupBy的用法，具体步骤如下：

1. 安装 Pandas

在使用Pandas之前，需要先安装Pandas。可以使用以下命令来安装：

pip install pandas

1. 导入 Pandas

导入Pandas和其他需要使用的Python库：

import pandas as pd
import numpy as np

1. 创建数据

创建一个简单的数据集：

data = {'公司': ['Apple', 'Microsoft', 'Amazon', 'Facebook', 'Google', 'Apple', 'Amazon', 'Facebook', 'Microsoft', 'Google'],
        '销售额': [5000, 5500, 6000, 7000, 7500, 5200, 6200, 6800, 5900, 7800],
        '员工数': [100, 150, 200, 250, 300, 120, 180, 220, 170, 350]}
df = pd.DataFrame(data)

其中，数据集包括三列数据：公司、销售额和员工数。

1. GroupBy 一列并获取平均值、最小值和最大值

现在，我们将按公司对数据进行分组，并计算不同公司的平均销售额、最小销售额和最大销售额：

grouped = df.groupby('公司')
result = grouped.agg({'销售额': ['mean', 'min', 'max']})

其中，groupby('公司')表示按照公司名称对数据进行分组操作；agg()函数可以对分组后的数据进行一些聚合操作。在聚合操作中，我们可以通过设置字典的方式来定义每个列需要进行的聚合统计量。

以上代码中，字典 {'销售额': ['mean', 'min', 'max']} 指定了 销售额 这一列需要计算的聚合统计量，包括平均值(mean)、最小值(min)、最大值(max)。

最后，我们可以通过print(result)查看运行结果：

                销售额             
               mean   min   max
公司                           
Amazon      6100.00  6200  6800
Apple       5100.00  5000  5200
Facebook    6900.00  6800  7000
Google      7650.00  7500  7800
Microsoft   5700.00  5500  5900

上面的结果表格中，每一行对应每个公司的平均销售额、最小销售额和最大销售额。

总结：

在本文中，我们探讨了Pandas GroupBy数据分组的基本用法，并且展示了如何使用GroupBy一列并获取平均值、最小值和最大值。在实践过程中，可以根据具体问题设置不同的参数以实现更加丰富的数据分析需求。