Python中分组函数groupby和分组运算函数agg的使用

在使用Python进行数据分析时，经常需要对数据进行分组并计算各组数据的汇总统计量。Python中的pandas库提供了方便实用的groupby和agg函数来完成数据分组和聚合运算。

groupby函数的使用

groupby函数可以根据指定的列名对数据进行分组操作，并返回一个GroupBy对象。GroupBy对象包含多个属性和方法，用于对分组数据进行处理和分析。

基本语法

grouped = df.groupby('column_name')

例子1：使用groupby函数对数据进行分组

我们有一个包含了学生姓名、科目、成绩的数据表：

姓名	科目	成绩
小明	语文	86
小红	数学	92
小明	数学	88
小红	语文	90
小明	英语	94

我们可以使用groupby函数，对学生姓名进行分组：

import pandas as pd

df = pd.DataFrame({
    'name': ['小明', '小红', '小明', '小红', '小明'],
    'subject': ['语文', '数学', '数学', '语文', '英语'],
    'grade': [86, 92, 88, 90, 94]
})

grouped = df.groupby('name')

这样就得到了一个GroupBy对象，我们可以通过GroupBy对象中的方法，对数据进行各种操作，比如计算每个学生的平均成绩。

avg_grades = grouped['grade'].mean()
print(avg_grades)

输出结果为：

name
小明    89.33
小红    91.00
Name: grade, dtype: float64

这里我们计算了每个学生的平均成绩。

例子2：使用多列进行分组

如果我们想要使用多列来进行分组，只需要在groupby函数中传入多个列名即可。

grouped = df.groupby(['name', 'subject'])

这样就可以按照学生姓名和科目进行数据分组。

agg函数的使用

agg函数可以对GroupBy对象中的每个组应用指定的聚合函数，并将结果合并为一个DataFrame。

基本语法

grouped.agg(func)

其中，func可以是一个函数名，也可以是一个函数列表。

例子3：使用agg函数对数据进行聚合

我们还是沿用前面的例子，想要计算每个学生每个科目的最高分和最低分。

grouped = df.groupby(['name', 'subject'])

result = grouped.agg(['min', 'max'])['grade']
print(result)

输出结果如下：

          min  max
name subject         
小明   英语     94   94
     数学     88   88
     语文     86   86
小红   数学     92   92
     语文     90   90

这里我们使用了agg函数，并传入了两个聚合函数min和max，然后把结果存到result这个DataFrame中。

例子4：自定义聚合函数

如果我们需要对数据进行更复杂的运算，可以使用自定义函数进行聚合操作。

import numpy as np

def sum_of_squares(arr):
    return np.sum(np.square(arr))

grouped = df.groupby('name')

result = grouped.agg({'grade': sum_of_squares})
print(result)

输出结果如下：

      grade
name       
小明    24242
小红    16400

这里我们定义了一个自定义函数sum_of_squares，然后对每个学生的成绩进行平方和的计算。使用agg函数和字典的形式，使用聚合函数的名称作为字典的key，然后把自定义函数作为值传给字典，就可以使用自定义函数进行聚合操作了。

总结

groupby和agg函数是Python进行数据分析非常重要的两个函数，使用这两个函数，我们可以方便地对数据进行分组和聚合，并得到各种汇总统计量。